Projekte

Epigenetik der RSV-Infektion und von allergischen Erkrankungen

Kooperationspartner: Prof. Louis Bont (UMC Utrecht, Niederlande) und Prof. Gerard Koppelman (UMC Groningen, Niederlande)

Epigenetische Signaturen können Aufschluss über die Mechanismen allergischer Erkrankungen und Infektionen geben. Vor kurzem hat die Studie unserer großen epigenetischen Kohorte den Zusammenhang zwischen Asthmaanfälligkeit und antiviraler Immunität im frühen Leben gezeigt. Die Infektion mit dem Respiratory Syncytial Virus (RSV) im frühen Leben ist mit einer erhöhten Prävalenz des Keuchens im frühen Kindesalter verbunden und kann auch die langfristige Entwicklung von Asthma und Allergien beeinflussen. Wie eine RSV-Infektion im Säuglingsalter, wenn das Immunsystem unreif ist, das Immunsystem des Wirtes langfristig beeinflussen würde und wie sich dies auf die Entwicklung von Asthma und allergischen Erkrankungen auswirken würde, bleibt unbekannt. Wir haben angenommen, dass eine RSV-Infektion im frühen Leben Veränderungen in der DNA-Methylierung im Epithel der Nasenwege während der Kindheit verursacht. Um diese Hypothese zu testen, untersuchten wir die randomisierte klinische Studie MAKI, um den direkten Zusammenhang zwischen RSV-Prophylaxe im Säuglingsalter und DNA-Methylierungsänderungen im Nasenepithel im Alter von 6 Jahren zu finden.

Allergie-Risikovorhersage durch deep learning im Cross-omics-Bereich

Kooperationspartner: Prof. Gerard Koppelman (UMC Groningen, Niederlande) und Dr. Marnix Bügel (Micompany, Niederlande)

Obwohl viele Gene und Umweltfaktoren identifiziert wurden, die mit dem Allergierisiko verbunden sind, ist es noch nicht möglich, Allergien zu heilen.  In diesem Projekt verwendet das Team eine enorm wachsende Menge an Cross-Omics-Daten (Genomik, Epigenomik und Transkriptomik usw.) und neueste Techniken der künstlichen Intelligenz (KI), um das Risiko von Krankheiten wie Allergien vorherzusagen. Durch die Integration von Cross-omics-Daten mit Hilfe einer Bayes'schen Kausalinferenzmethode kann ein umfassenderes Netzwerk aufgebaut werden, um ein vollständigeres Bild des dem physiologischen Zustand zugrunde liegenden molekularen Prozesses zu zeichnen. Das Vorhersagemodell der KI erleichtert die Identifizierung der wichtigsten Faktoren, die zur Allergie beitragen. Es kann auch zur Entwicklung neuer klinischer Anwendungen zur Diagnose von Hochrisikopatienten führen, ein wichtiger Schritt für die personalisierte Medizin.