Digital Tissue Deconvolution - Aus Einzelzelldaten lernen

• Antragsteller: Professor Michael Altenbuchinger, Ph.D.
• Fachliche Zuordnung: Medizininformatik und medizinische Bioinformatik ; Bioinformatik und Theoretische Biologie
• Förderung: Förderung von 2019 bis 2024
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 420069742

Digital Tissue Deconvolution (DTD) löst folgendes Problem: Gegeben das Expressionsprofil eines Gewebes, berechne welche Zelltypen (Tumorzellen, Lymphozyten, endotheliale Zellen, Makrophagen, etc.) in welcher Anzahl im Gewebe enthalten sind. Um dies zu beantworten, müssen wir unsere Dekonvolutionsalgorithmen auf die richtigen Gene einschränken. Gene, deren Expression sich zwischen Gewebe und Referenz unterscheidet, müssen aus der Analyse ausgeschlossen werden.Wir sind davon überzeugt, dass unsere Methode ihr volles Potential erst durch die Verwendung jetzt aufkommender großer Einzelzelldatensets entfalten kann. Mit diesen Daten werden sich neue Möglichkeiten auftun: Wir werden seltene Zellpopulationen quantifizieren können, phänotypisch ähnliche Zellen besser unterscheiden, sowie DTD an spezifische Anwendungen besser anpassen können, zum Beispiel an spezielle Tumorgewebe.Unsere Ziele in diesem Vorschungsvorhaben sind:(A) Große Einzelzelldatensätze zu verwenden um DTD-Modelle zu optimieren. Die Algorithmen werden dabei für verschiedene Gewebstypen angepasst. Dies wird es uns ermöglichen seltene Zellpopulationen besser abzuschätzen und phänotypisch ähnliche Zellen besser zu unterscheiden.(B) DTD auf existierende Tumor-Genexpressionsdaten anzuwenden. Dies wird Assoziationen zwischen Zellkompositionen und klinischen Daten, wie dem Überleben und dem Ansprechen auf Therapie, offenlegen.(C) Eine anwenderfreundliche Software anzubieten, die es dem Nutzer erlaubt vorgelernte Modelle für digitale Gewebszerlegung anzuwenden. Diese Software soll unabhängig von der gewählten experimentellen Methode zur Erhebung der Genexpressionsdaten funktionieren.(D) Eine anwenderfreundliche Software zum Lernen der Verlustfunktion für DTD anzubieten. Dies erlaubt dem Anwender DTD an spezielle Gewebe anzupassen.

• DFG-Verfahren: Sachbeihilfen