Thema:

Paperwelt

Biomarker und System-Epidemiologie

Einen neuen Ansatz, Herr der Flut an Biobank-assoziierten Daten zu werden, haben Greifswalder Forscher um Dr. Robin Haring gemeinsam mit schwedischen Kollegen vorgestellt. Mit einem neuen bioinformatischen Werkzeug zur statistischen Analyse von komplexen Risikofaktoren gelang es den Forschern, die Häufigkeit und das Fortschreiten des metabolischen Syndroms in einer Bevölkerungskohorte von 4.000 Personen zu beschreiben.

Außerdem konnte das Forscherteam die Bedeutung der Biomarker Bluthochdruck, Fettleibigkeit und erhöhte Blutfette besser einordnen. Ziel der Wissenschaftler ist es indes, Daten aus Genom-, Transkriptom-, Proteom- und Metabolomanalysen zu integrieren und zur Auffindung molekularer Biomarker zu nutzen, die helfen, die Aussagekraft klassischer Biomarker bei der Krankheitsprädiktion und -prognose signifikant zu verbessern. Die Integration der Information aus Multi-Omics-Analysen verspricht Fortschritte im Feld der personalisierten Medizin.

A network-based approach to visualize prevalence and progression of metabolic syndrome components, PLoS One 2012 June 19;7(6):e39461 

LABORWELT:

Vor welchem Problem sehen sich Wissenschaftler bei der Auswertung großer Datenmengen wie zum Beispiel klinischen, serologischen und molekularbiologischen Daten aus Bevölkerungsstudien?

Haring: 

Die Risikoabschätzung klinisch relevanter Endpunkte wie Schlaganfall, Herzinfarkt oder kardiovaskulärer Tod ist durch klassische Risikofaktoren wie Alter, Geschlecht, Body Mass Index oder Rauchen bereits sehr verlässlich möglich, so dass neue potentielle Biomarker häufig nur relativ wenig zu einer Verbesserung des Risikos beitragen können. Beispielhaft für dieses Dilemma steht eine frühere Publikation unserer Arbeitsgruppe, die zeigte, dass die simple Frage nach dem subjektiven Wohlbefinden eine ebenso präzise Sterblichkeitsvorhersage erlaubt wie die Messung von 10 Biomarkern (BMC Med Res Methodol. 2011;11:103). Statt „one size fits all“ zeichnet sich nun auf der Grundlage molekularer Biomarker ein Trend zur stärkeren Individualisierung in der Prognose und Prävention verschiedenster Erkrankungen ab.

LABORWELT:

Welche Werkzeuge stehen derzeit zur Verfügung und was muss verbessert werden?

Haring:

Standardwerkzeug zur Identifikation von Risikofaktoren und Krankheitsvorhersage sind Regressionsmodelle. Doch dieser traditionelle methodische Ansatz ist durch den ein­dimensionalen Bezug auf jeweils nur einzelne Risikofaktoren beziehungsweise Biomarker stark limitiert in der Auswertung nun verfügbarer multidimensionaler Datensätze und der Möglichkeit, individuelle Krankheitsverläufe zu identifizieren.

LABORWELT:

Was ist das neue an Ihrem Ansatz, wie funktioniert er und welche Ergebnisse hat er geliefert?

Haring:

Die statistische Integration sogenannter Multi-Omics-Datensätze (molekularbiologische Parameter des Genoms, Transkriptoms, Proteoms und Metaboloms) wird der nächste entscheidende Schritt zur Analyse individueller Krankheitsverläufe und deren Ursachen sein. Dazu haben wir ein Netzwerk-Analysemodell programmiert, um beispielhaft die Prävalenz und Progression des Metabolischen Syndroms zu analysieren und graphisch verständlich darzustellen. Mit Hilfe der Daten von 4.000 Probanden der Bevölkerungsstudie SHIP (Study of Health in Pomerania) konnten wir zeigen, dass die fünf Komponenten des Metabolischen Syndroms (Bluthochdruck, Bauchumfang, erhöhte Blutzuckerwerte, erhöhte Blutfette und erniedrigtes Cholesterin) einen jeweils unterschiedlichen Beitrag zum Krankheitsbild leisten. Wir konnten durch Netzwerk-analytische Methoden auch belegen, dass Bluthochdruck und Fettleibigkeit die wichtigsten Einflussfaktoren sind, während ein gestörter Blutfettstoffwechsel vor allem den weiteren Verlauf des Metabolischen Syndroms dominiert.

LABORWELT:

Was bedeutet dies für das Auffinden und Validieren neuer Biomarker?

Haring:

Diese neuen Netzwerk-basierten statistischen Verfahren könnten die Fülle an molekularen Biomarkern im Zusammenspiel mit klassischen Risikofaktoren integrieren und so den Zugang zu hochkomplexen Datensätzen vereinfachen. Auch das Bild der Epidemiologie wird sich dadurch hin zu einer System-Epidemiologie wandeln. 

LABORWELT:

Wie geht Ihre spannende Forschungsarbeit nun weiter?

Haring:

Im Rahmen von GANI_MED (Greifswald Approach to Individualized Medicine) bzw. des Deutschen Zentrums für Herzkreislaufforschung (DZHK) werden wir am Forschungsstandort Greifswald die Identifikation und Integration molekularer Biomarker als Grundlage einer „Individualisierten Medizin“ vorantreiben. In unserer Arbeitsgruppe planen wir, die Anwendung integrierter personalisierter Omics-Profile im Rahmen einer klinischen Studie zur Testosterontherapie, um unsere bisherigen Beobachtungszusammenhänge aus epidemiologischen Studien zu validieren und Omics-Verfahren „from bench to bedside“ zu bringen. 

Kontakt: 

Robin Haring, robin.haring[at]uni-greifswald.de 

Mehr zum Spezial

Magazin zum Thema


Heft 3/2012

© 2007-2017 BIOCOM

http://www.laborwelt.de/spezialthemen/biobanken/system-epidemiologie.html

Alle Themen

SpezialThemen

Produkt der Woche

Alle Produkte

Kalender

Alle Events

Partner-Events

Glasgow (UK)

DIA BioVenture Day

Istanbul (TR)

expomed eurasia