Belastungseinschätzung in der neurowissenschaftlichen Forschung: Generalisierbarkeit multidimensionaler Ansätze und deren Anwendung für das Refinement

• Antragstellerin: Professorin Dr. Heidrun Potschka
• Fachliche Zuordnung: Molekulare und zelluläre Neurologie und Neuropathologie ; Biologie des Verhaltens und der Sinne ; Experimentelle Modelle zum Verständnis von Erkrankungen des Nervensystems ; Tiermedizin
• Förderung: Förderung seit 2017
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 321137804

In den Förderphasen 1 und 2 erfolgte eine umfassende Analyse von Verhaltensparametern, biochemischen und physiologischen Parametern in induzierten und genetischen Maus- und Rattenmodellen neuropädiatrischer und neurologischer Erkrankungen. Eine alters-, modell-, spezies- und geschlechtsübergreifende Validierung lieferte wertvolle Informationen über die Generalisierbarkeit ausgewählter Parameter für die evidenz-basierte Belastungseinschätzung. Die entsprechenden Informationen wurden für das Design und die Validierung einer Testbatterie berücksichtigt, die eine Bewertung des kumulativen Schweregrads im Entwicklungsverlauf junger genetisch-modifizierter Mäuse ermöglicht. Darüber hinaus haben wir einen bioinformatischen Workflow entwickelt und weiterführend optimiert, der die Auswahl von Parametern und das Design multidimensionaler Schemata ermöglicht. Fallstudien anhand von Modellen für Epilepsie, neurologische Entwicklungsstörungen und neuropsychiatrische Erkrankungen zeigten, dass die resultierenden multidimensionalen Schemata die Bewertung des Schweregrads auf eine neue Sensibilitätsstufe heben und eine vergleichende Bewertung mit präziser Einstufung der Belastung ermöglichen. Multivariate Ansätze wurden zudem erfolgreich eingesetzt, um potenzielle Refinement-Maßnahmen (z.B. optimierte multimodale Analgesie; telemetrisches vs. kabel-basiertes Recording) für gängige Interventionen und Techniken in der neurowissenschaftlichen Forschung zu validieren. Die erhobenen Daten liefern eine Grundlage für die Auswahl der vielversprechendsten Belastungsparameter für eine tiefergehende laborinterne sowie eine standortübergreifende Analyse, mit der weitere Informationen über deren Aussagekraft, Sensitivität, Replizierbarkeit, Robustheit und Generalisierbarkeit gewonnen werden. Der bioinformatische Workflow für das Design multidimensionaler Schemata wird auf Datensätze verschiedener Kooperationspartner angewendet, um die Validität für verschiedene Tiermodelle zu bestätigen und erforderliche Anpassungen zu identifizieren. Darüber hinaus werden wir RELSA an unseren Datensätzen anwenden, um die Validität dieses multidimensionalen Scoring-Schemas für die kontinuierliche Überwachung des Schweregrads zu bestätigen und die Entwicklung von Varianten für spezifische Studiendesigns zu unterstützen. Im Hinblick auf ein evidenzbasiertes Refinement wird die laborinterne und standortübergreifende Datenanalyse Aufschluss über die Generalisierbarkeit von Analgesie-Regimen geben. Mit Datensätzen, die während einer multizentrischen Studie mit Transmitterimplantaten und in einem genetischen Mausmodell erhoben werden, tragen wir zudem zur Validierung eines neuen Smart-Home-Käfigsystems bei. Auf der Grundlage unserer Ergebnisse und Diskussionen mit Interessenvertretern werden wir Empfehlungen für die Entwicklung und Anwendung multivariater Schemata für eine evidenzbasierte Belastungseinschätzung und für evidenzbasierte Refinementmaßnahmen geben.

• DFG-Verfahren: Forschungsgruppen
• Teilprojekt zu: FOR 2591: Severity assessment in animal-based research
• Mitverantwortlich(e): Dr. Verena Buchecker