Herleitung komplexer Biomarker mit Graph Genomen

• Antragsteller: Professor Kjong Lehmann, Ph.D.
• Fachliche Zuordnung: Medizininformatik und medizinische Bioinformatik
• Förderung: Förderung seit 2026
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 576500477

Jedes Jahr werden in Deutschland Tausende von Patientengenomen in molekularen Tumorboards analysiert. Die Faktoren, die die Ergebnisse dieser Arbeitsabläufe beeinflussen, sind jedoch oft ungewiss. Daher ist es von entscheidender Bedeutung, die Faktoren zu identifizieren und zu verstehen, die die Ergebnisse der Arbeitsabläufe beeinflussen, und die Prozesse anzupassen, um eine hochwertige und gerechte Patientenversorgung an jedem Standort zu gewährleisten. Unser Ziel ist es, den Einfluss verschiedener Faktoren auf die Berechnung komplexer Biomarker systematisch zu untersuchen und neue Empfehlungen zur Gestaltung von Arbeitsabläufen zu geben. Der genetische Hintergrund ist ein wichtiger Aspekt in der biomedizinischen Forschung, insbesondere bei der Untersuchung komplexer genetischer und transkriptomischer Biomarker. Aus diesem Grund werden in eQTL-Modelle typischerweise Keimbahninformationen berücksichtigt, da Unterschiede im genetischen Hintergrund die Krankheitsprävalenz, den Krankheitsverlauf und das Ansprechen auf Behandlungen beeinflussen können. Genetische Unterschiede zwischen Populationen können die Expression von Biomarkern und die Wirksamkeit therapeutischer Interventionen beeinflussen. Die Identifizierung und Berücksichtigung dieser Unterschiede stellen sicher, dass Forschungsergebnisse auf eine breitere Population anwendbar sind, wodurch die Präzision und Wirksamkeit medizinischer Interventionen verbessert wird. Zunächst werden wir systematisch alle für diese Studie erforderlichen relevanten Daten aus der Kohorte des International Cancer Genome Consortium (ICGC) und der Kohorte des The Cancer Genome Atlas (TCGA) bearbeiten. Es folgt ein systematischer Vergleich der Berechnung einiger gemeinsamer Biomarker unter Verwendung einer graph-basierten Pangenom-Alignment-Strategie. Schließlich werden wir die Auswirkungen von Pangenom-Alignments im Vergleich zur Verwendung linearer Referenzsequenzen bei der Berechnung von transkriptomischen Biomarkern bewerten. Diese Analysestrategie ermöglicht es uns, den Einfluss genomischer Vielfalt auf die Biomarkerberechnung und potenzielle Lösungen (z. B. PangenomAlignment) zu untersuchen. Die Identifizierung potenziell problematischer, aber auch abschwächender Effekte wird die Genauigkeit, Zuverlässigkeit und Reproduzierbarkeit von Biomarkern für die Krebsdiagnose und -behandlung sicherstellen und damit letztlich die personalisierte Medizin und die Ergebnisse für die Patienten verbessern. Diese Arbeit soll dazu beitragen, repräsentativere und anwendbarere Biomarker Berechnungsstrategien zu entdecken, die für alle Bevölkerungssegmente geeignet sind.

• DFG-Verfahren: Sachbeihilfen
• Mitverantwortlich(e): Dr. Nadina Ortiz-Brüchle