Confidence-MS: Konfidenzbasierte Identifikation und Quantifizierung pathogener Taxa und Proteinfunktionen in zeitkritischen Diagnoseszenarien mittels Tandem-Massenspektrometrie

• Antragsteller: Privatdozent Dr. Thilo Muth
• Fachliche Zuordnung: Bioinformatik und Theoretische Biologie
• Förderung: Förderung von 2020 bis 2025
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 439719438

Krankheitserreger bakteriellen oder viralen Ursprungs stellen weltweit eine erhebliche Bedrohung für die öffentliche Gesundheit dar, wie die jüngste SARS-CoV-2-Pandemie gezeigt hat. Dies betont die Notwendigkeit schneller und präziser Diagnosetechniken während Ausbrüchen, um die Zeit bis zur Diagnose und Behandlung zu verkürzen und somit die Risiken der Virusübertragung und Sterblichkeit zu mindern. Neben herkömmlichen Methoden wie PCR sind offene Ansätze wie Next-Generation-Sequencing (NGS) und Massenspektrometrie (MS) besonders wertvoll geworden, wobei MS sich durch hohe Genauigkeit und Reproduzierbarkeit bei der Erkennung virus-spezifischer Proteine auszeichnet. Das Projekt Confidence-MS zielt darauf ab, das transformative Potenzial der MS-basierten Proteomik zur Verbesserung der Erkennung und des Verständnisses von Pathogenen zu erforschen. Aufbauend auf den Entwicklungen des Projekts ViPPip, in dem statistische bzw. bioinformatische Methoden zum Erkennen von viralen Pathogenen entwickelt wurden, liegt der Fokus auf Datenanalysen in zeitkritischen Situationen, insbesondere während viraler Ausbrüche. Dies beinhaltet die Unterscheidung von Virussubtypen in neuartigen Infektionsquellen, sowohl bei bekannten Virusinfektionen als auch bei neu auftretenden Wildtyp-Virusausbrüchen. Zur Bewältigung der Herausforderungen in diesen Szenarien, wie der Erkennung stammspezifischer Peptide und einer robusten Taxon-Quantifizierung, bedarf es einer Aktualisierung auf die neuesten MS-Technologien und einer pragmatischeren Herangehensweise an die Anwendung unserer Methodik in der Diagnostik. Die Methodik des Projekts Confidence-MS zielt darauf ab, die Genauigkeit und Zuverlässigkeit der Pathogenerkennung mit Hilfe von proteomischer MS-Technologie zu erhöhen. Zunächst soll das in der ersten Förderperiode entwickelte probabilistische Modell erweitert werden, um eine robuste, vertrauensbasierte Quantifizierung pathogener Taxa zu ermöglichen. Weiterhin werden neue Ansätze basierend auf diesem Modell entwickelt, um das funktionale Spektrum von Proteinen aus Pathogenproben vollständig abzudecken. Dabei wird eine maßgeschneiderte Suchstrategie für taxonomische und funktionale Analysen implementiert, die sowohl DDA- als auch neuartige DIA MS-Technologien berücksichtigt. In einem weiterem Arbeitspaket werden benutzerfreundliche Module zur Anwendung bestehender Methoden implementiert und ein Workflow zur Simulation realistischer Benchmarking-Daten mit Taxon-Abundanzprofilen etabliert. Schließlich werden Best Practices und Empfehlungen innerhalb unseres Frameworks für Taxonklassifikationen in diagnostischen Szenarien, wie etwa bei Ausbrüchen neuartiger Viren, formuliert.

• DFG-Verfahren: Sachbeihilfen