Sie befinden sich hier:

Arbeitsgruppenleiter

Prof. Dr. med. Dipl.-Phys. Frederick Klauschen

Geschäftsführender Oberarzt

Sekretariat Bláthnaid Ryan
Tel: ++49 30 450 536 082

Molekulare Diagnostik & Klinische Proteomik

Abb. 1: Phosphoproteomische Analyse von Rezeptortyrosinkinaseaktivität in primären Tumorproben im Schnellschnitt nach 30 min (T1) und 50 min (T3) post-OP zeigt Zeitsensitivität der Analyse. Bei T3 keine relevante tumorspezifische Signalaktivität im Vergleich zum Normalgewebe desselben Patienten nachweisbar.

Die molekulare Diagnostik fokussiert sich aktuell neben bereits seit längerem etablierten mikrokopischen Verfahren (Immunhistologie und Fluoreszenz-in-situ-Hypbridisierung) auf die Sequenzierung von genetischen Veränderungen mit Hilfe von Panel-basierten Next-Generations-Sequencing Verfahren, mit denen man mehrere klinisch-relevante Mutationen (Punktmutationen, aber auch Deletionen/Amplifikationen und Translokationen) gleichzeitig untersuchen kann. Die in diesem Bereich in der Arbeitsgruppe bestehende klinisch-pathologische und technologische Expertise ergänzen wir durch verschiedene proteomische Verfahren (Antikörper-basierte Arrays und Massenspektrometrie), die es ermöglichen genetische Untersuchungen an klinischen Tumorproben zu ergänzen und die Identifikation klinisch-therapeutisch relevanter molekularer Veränderungen zu verbessern. Ein wichtiger Aspekt ist hierbei die Präanalytik (Abb. 1), da im Gegensatz zur vergleichsweise stabilen und leicht extrahierbaren DNA, Proteine insbesondere mit Hinblick auf funktionell relevante posttranslationale Modifikationen erstens instabiler sind und in Abhängigkeit vom verwendeten Verfahren durch relativ aufwändige Methoden angereichert werden müssen. Wir haben in der Arbeitsgruppe Verfahren etabliert, die eine effiziente Probenprozessierung und Proteinanreicherungen auch für massenspektrometrische Verfahren ermöglichen und wenden diese aktuell in Pilotstudien auch im Rahmen der Molekularen Tumorkonferenz am Charité Comprehensive Cancer Center an.

Systemmedizin & funktionelle Proteogenomik

Systembiologische Ansätze haben in den letzten Jahren dazu beigetragen durch Integration von genomischen, proteomischen und bildgebenden Verfahren mit computergestützter Datenanalyse und Simulationsmodellierung komplexe tumorbiologische Vorgänge umfassender untersuchen können. Ein Schwerpunkt unserer Forschung ist die Anwendung von zielgerichteten Perturbationexperimenten und zeitlich aufgelöster massenspektrometrischer Phosphoproteomik zur Identifikation von funktionell relevanten pathologischen Veränderungen in Tumoren. Dabei kommen Zellkulturmodelle und primäre Tumorgewebekulturen (Abb. 2) zum Einsatz mit dem Ziel krebsrelevante Pathomechanismen und Effekte von zielgerichteten Medikamenten und Resistenzmechanismen nicht nur grundlagenwissenschaftlich zu untersuchen sondern auch in individuellen Patienten vorherzusagen und zu verstehen. Darüberhinaus erlauben unsere proteomischen Untersuchungen eine Bewertung der funktionellen Relevanz von Mutationsprofilen, indem wir die genomischen mit den proteomischen Daten über Netzwerkmodelle integrieren. Dabei werden einerseits statische Netzwerkmodelle aus Interaktionsdatenbanken (Abb. 3) verwendet, aber wir entwickeln außerdem mechanistische computergestützte Modelle basierend auf einer von uns entwickelten Methode zur Simulationsmodellierung (Abb. 4), die es ermöglicht systematisch in silico die Effekte z. B. von aktivierenden Mutationen und deren medikamentöser Inhibition zu simulieren. Dies erlaubt die Generierung von Hypothesen und experimentelle Studien können besser vorbereitet werden.

Mittel- bis langfristig soll dieser Ansatz auch im Rahmen der Diagnostik von in der Molekularen Tumorkonferenz untersuchten Patienten zum Einsatz kommen, um zielgerichtete Kombinationstherapien für individuelle Patienten vorzuschlagen.

Bioinformatik, Digitale Pathologie & Maschinelles Lernen

Die immer komplexer werdenden biomedizinischen Daten machen computergestützte Verfahren der Datenanalyse und Modellierung zu einem immer wichtigeren Aspekt nicht nur in der Grundlagenforschung, sondern auch in der histomorphologischen und molekularpathologischen Diagnostik. Während traditionell in der Biologie nur einzelne molekulare Eigenschaften in Experimenten isoliert betrachtet wurden, liefern genomische und proteomische Verfahren gleichzeitig Messergebnisse für über 20.000 Gene und Proteine. Wenn die entsprechenden Studien mehr als nur eine "Katalogisierung" der Eigenschaften liefern sollen, müssen bioinformatische Verfahren entwickelt und angewendet werden, die diese Daten integrieren und funktionell interpretierbar machen. Entscheidend für die erfolgreiche Integration der experimentellen und theoretischen  Aspekte ist die interdisziplinäre Ausrichtung der Arbeitsgruppe mit Mitarbeitern mit quantitativ-mathematischem (Informatik, Mathematik, Physik) und experimentell-biomedizinischem Hintergrund (Biotechnologie, Pathologie). 

Ähnlich wie für die oben beschriebenen molekularen Verfahren werden computergestützte automatisierte Verfahren auch immer wichtiger für die Analyse von mikroskopischen Bilddaten der Grundlagenforschung (konfokale/Multiphoton-/Lichtscheiben-4D-Mikroskopie) und der histomorphologischen und immunhistologischen Diagnostik. Computergestützte Verfahren können hier die pathologische Expertise der Bewertung von morphologischen Veränderungen z. B. mit Hinblick auf deren Dignität sicher auf absehbare Zeit nicht ersetzen, aber dazu beitragen als "Assistenzsystem" dem Pathologen robuste quantitative Zusatzinformationen zu liefern, wie die Messung der Ausprägung von Kernveränderungen (Abb. 7) oder immunhistologischen Markerprofilen (Abb. 6) bis hin zur intratumoralen Heterogenität. Dies ist notwendig, um den steigenden klinischen Ansprüchen gerecht zu werden, zusätzlich zur Dignitäts- und Entitätseinordnung prädiktiv-quantitative Aspekte zuverlässig zu beurteilen. Im Gebiet der Bildanalyse und Digitalen Pathologie haben wir für die Grundlagenforschung und klinische Pathologie in zahlreichen Kooperationen in den letzten Jahren verschiedene Verfahren entwickelt. Eine besondere Rolle spielen hierbei Verfahren aus dem Bereich des maschinellen Lernens, die wir in enger Kooperationen mit Prof. Klaus-Robert Müller, TU Berlin, entwickeln und anwenden.