In der Bioinformatikgruppe am Institut für Umweltmedizin verwenden wir statistische und rechnerische Ansätze, um biologische Daten im größeren Zusammenhang von umweltbedingten Krankheiten zu verstehen. Wir analysieren und kombinieren multidimensionale Daten aus der Immunologie, Mikrobiologie und aus klinischen Studien, um Biomarker für die Diagnose und für personalisierte Therapien zu identifizieren. Unsere Arbeit konzentriert sich vor allem auf den Verlauf von Virusinfektionen (Covid-19) und die Wechselwirkungen zwischen Mensch und Bakterien im Mikrobiom bei allergischen Erkrankungen (Atopische Dermatitis). Neben klinischen Fragen überprüfen wir auch Software-Tools und entwickeln neue Methoden zur Verbesserung der Datenverarbeitung und -analyse.

Mikrobiom in klinischen Studien

Es ist seit langem bekannt, dass das menschliche Mikrobiom - d. h. die in und auf unseren Körperoberflächen lebenden Mikroben - mit der menschlichen Gesundheit in Verbindung steht. Mit der Entwicklung von DNA-Sequenzierungstechnologien hat die Mikrobiomforschung an Schwung gewonnen, da sie Millionen von Mikroben aus Hunderten von Proben gleichzeitig identifizieren kann. Nach einer gründlichen Vorverarbeitung dieser Gigabytes an hochdimensionalen Daten können wir das Mikrobiom mit Patientenmerkmalen, wie dem Alter, in Verbindung bringen, oder unterschiedliche Anteile schädlicher und nützlicher Bakterien als Reaktion auf die Dosierung eines neuen Medikaments feststellen (Abbildung 1).

Verbesserung der Mikrobiom-Datenqualität

Es ist zwar erwiesen, dass das menschliche Mikrobiom bei Krankheiten wie atopischer Dermatitis oder entzündlichen Darmerkrankungen verändert ist, doch ist das Mikrobiom weit davon entfernt, als präziser klinischer Biomarker verwendet zu werden. Um robuste klinische Assoziationen zu finden, ist eine Vorverarbeitung und Qualitätskontrolle der Mikrobiomdaten unerlässlich. Der komplexe Prozess von der Probenhandhabung bis zur Analyse führt zu spezifischen Fehlern und Verzerrungen in Verbindung mit Mikrobiomdaten (z.B. DNA-Sequenzierungsfehler, Unterschiede in der Zelllyse durch die bakterielle Zellwandstruktur). Diese Fehler machen es schwierig, echte biologische Ergebnisse von experimentellem Rauschen zu unterscheiden. Wir stellen uns diesen zentralen Herausforderungen der Mikrobiomforschung mit dem Benchmarking von Labor- und Berechnungsmethoden und mit der Entwicklung neuer Algorithmen für die Mikrobiomdatenverarbeitung. Unsere neuartigen Werkzeuge zur Gewinnung taxonomischer Informationen auf Stammebene und zur Entfernung von Verunreinigungen aus anspruchsvollen Proben mit geringer Biomasse, wie z.B. Haut, sind zentrale Schritte auf dem Weg zu hochwertigen Mikrobiomdaten. Unser Ziel ist es, robuste und anwendbare Mikrobiomdaten zu generieren, die zur Verbesserung der Patientendiagnose und -versorgung genutzt werden können.