Detektion verborgener Epidemien: Ein phylodynamisches Modell zur Schätzung der Übertragungsdynamiken von Pathogenen in Gebieten und Populationen mit begrenzter Datenverfügbarkeit

• Antragstellerin: Paula Weidemüller, Ph.D.
• Fachliche Zuordnung: Epidemiologie und Medizinische Biometrie/Statistik ; Bioinformatik und Theoretische Biologie ; Public Health, Gesundheitsbezogene Versorgungsforschung, Sozial- und Arbeitsmedizin
• Förderung: Förderung seit 2026
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 576371952

Eine wirksame Antwort auf Ausbrüche von Infektionskrankheiten erfordert zeitnahe und präzise Einschätzungen darüber, wo und wie sich Erreger ausbreiten. Doch gerade in vielen Regionen mit besonders hoher Krankheitslast sind die Überwachungssysteme lückenhaft. Dadurch bleiben wichtige Informationen zur Dynamik der Erregerübertragung verborgen, was es Gesundheitsbehörden erschwert, Ausbrüche zuverlässig zu erkennen oder das Risiko von anhaltender lokalen Etablierung eines Erregers abzuschätzen. Ziel dieses Projekts ist es, diese Lücke zu schließen. Dafür entwickle ich HIDDEN, ein neues phylodynamisches Modell, das auf Basis genetischer Erregerdaten aus gut überwachten sogenannten „Sink“-Populationen Rückschlüsse auf die Übertragungsdynamik in schlechter überwachten „Source“-Populationen zieht. Sink-Populationen sind dabei Regionen, in die regelmäßig Infektionen eingeschleppt werden, etwa über Reiserückkehrende, aber in denen der Erreger nicht dauerhaft zirkuliert. Das Projekt verfolgt drei Hauptziele: 1. Modellentwicklung: Ich erweitere das etablierte, phylodynamische “structured birth-death model”, um individuelle Reisehistorien in die Schätzung von Übertragungsparametern zu integrieren. Damit kann das Modell Übertragungsmuster innerhalb und zwischen Populationen präziser abbilden, selbst bei spärlich vorhandenen lokalen Daten. 2. Beschleunigung der Berechnungen: Um das Modell auch für große und komplexe Datensätze in kurzer Zeit anwendbar zu machen, setze ich auf den Einsatz neuronaler Netze. Diese ersetzen besonders rechenintensive Berechnungsschritte während der Parameterinferenz und ermöglichen damit robuste phylodynamische Analysen auch ohne Hochleistungsrechner. Beide Komponenten werden als neues BEAST2-Modul unter dem Namen HIDDEN implementiert. 3. Anwendung auf Dengue in Amerika: Viele lateinamerikanische Länder mit hoher Dengue-Belastung verfügen nur über begrenzte Diagnose- und Sequenzierkapazitäten. Gleichzeitig werden in manchen US-Bundesstaaten wie Florida hochwertige Genomdaten von lokalen und reiseassoziierten Dengue-Fällen erhoben. Ich werde HIDDEN auf tausende dieser Sequenzen anwenden, um interregionale Übertragungswege zu rekonstruieren, nicht gemeldete Ausbrüche aufzudecken und das Risiko einer Etablierung von Dengue in den USA abzuschätzen. Die Ergebnisse sollen helfen, gezielte Maßnahmen im öffentlichen Gesundheitswesen besser zu planen. Darüber hinaus ist HIDDEN als flexibel einsetzbares Framework konzipiert, das auch auf andere Erreger mit ungleichmäßiger Überwachung angewendet werden kann, etwa auf zoonotische Infektionen wie die aviäre Influenza. Durch die vorgeschlagenen Innovationen und Analysen trägt das Projekt zu einem besseren Verständnis von Übertragungsdynamiken in mehreren Regionen bei und liefert eine wertvolle Informationsgrundlage für Forschung und öffentliche Gesundheitsmaßnahmen weltweit und stärkt unsere Fähigkeit, zukünftige Epidemien frühzeitig zu erkennen und effektiv zu bekämpfen.

• DFG-Verfahren: WBP Stipendium
• Internationaler Bezug: USA
• Gastgeber: Dr. Nicola Müller