Teilprojekt 6 - Mechanismen und Marker für Remission von allergischen Erkrankungen bei Kindern und Jugendlichen
Projektleitung Prof. Dr. med. Michael Kabesch
Erster Schritt: Sammlung von Biomaterial bei zwei Gruppen von Patienten:
- Wir wollen molekulare Netzwerke für natürliche Remission definieren und sammeln dafür von Patienten mit atopischem Asthma, allergischer Rhinitis und atopischer Dermatitis Proben an zwei Zeitpunkten: Erstens, wenn der behandelnder Arzt die Entscheidung trifft, die Behandlung einzustellen (Prediktoren) und zu einem zweiten Zeitpunkt: ein Jahr nach Beendigung der Therapie bei weiterbestehender Symptomfreiheit (Biomarker).
- Um die Mechanismen von Remission bei Immuntherapie zu bestimmen, sammeln wir Proben von Patienten mit atopischem Asthma und allergischer Rhinitis, die sich einer Immuntherapie unterziehen, an zwei Zeitpunkten: Erstens, wenn die Immuntherapie gestartet wird (Prediktoren) und zweitens, ein Jahr nach Beginn der Immuntherapie, wenn bereits eine Remission der Symptome eingesetzt hat (Biomarker).
Zweiter Schritt: Definition der Signaturen der Remission
- Genetik: Bestimmung des genetischen Profils von Remission mittels genomweiter Assoziations-Studien (GWAS)
- Epigenetik: Untersuchung der genetischen Regulation unter Methylierungsmuster in Blut, Haut und Atemwegsepithelen.
- Transkription: Erhebung der Expressionsprofile von bestimmten Genen auf Protein und mRNA Ebenen aus unterschiedlichen Proben (Blut, Sputum, nasale Zellen).
- Metabolom-Analyse: Erhebung von metabolomischen Profilen aus Serum und Stuhlproben von Patienten in Remission
- Mikrobiom-Analyse: Bestimmung des Mikrobioms aus Stuhl- und Hautproben
Dritter Schritt: Validierung und Replikation
Wir werden die molekularen Signaturen, die wir am Patienten in Remission identifiziert haben, in weiteren Studienpopulationen überprüfen. Dazu gehört einerseits die SOLAR-Studie mit ca. 1.000 Teilnehmern und andererseits die Follw Up Studie der Multicentre Asthma Genetik Studie (Follow MAGIC) mit ca. 800 Teilnehmern.
Letzter Schritt:
Wir wollen über die Integration über die unterschiedlichen Daten mit Hilfe von künstlicher Intelligenz die Zusammenhänge der unterschiedlichen Biomarker und Prediktoren verstehen. Dazu verknüpften wir Ergebnisse aus der klinischen Untersuchung und der Krankengeschichte, mit Daten der Genetik und Epigenetik, sowie dem Transkriptomen und Metabolom und untersuchen die Einflüsse des Mikrobioms und der Umwelt.
