Förderkennzeichen: | 01KI20377A |
Fördersumme: | 1.019.563 EUR |
Förderzeitraum: | 2020 - 2022 |
Projektleitung: | Prof. Dr. Daniel Teupser |
Adresse: |
Klinikum der Universität München, Campus Großhadern, Institut für Laboratoriumsmedizin Marchioninistr. 15 81377 München |
COVID-19 ProDiag vereint Technologien des Biobankings mit Massenspektrometrie-basierender Proteomik und bioinformatischen Methoden um neue Biomarker zu entdecken, die es erlauben den Krankheitsverlauf von Covid-19 Patienten vorherzusagen. Ein etabliertes hochmodernes Biobanking-System wird eingesetzt, um qualitativ gut standardisierte Plasma- und Urinproben in definierten Patientenkohorten zu asservieren. Es sollen Biomarker für drei Hauptziele identifiziert und in Vorhersage-Modellen zur Anwendung gebracht werden. Konkret soll ermöglicht werden 1) Patienten mit Covid-19 von anderen Infektionskrankheiten zu unterscheiden, 2) zwischen Patienten mit milden und schweren Verläufen zu differenzieren und 3) den Ausgang des Krankheitsverlaufs von Intensiv-Patienten vorherzusagen. Die Biomarker und resultierenden prädiktiven Modelle werden in einer zweiten Kohorte validiert. Zur Identifizierung und Validierung der Biomarker wird Massenspektrometrie-basierende Proteomik eingesetzt, mit der in Blutplasma und Urin mehrere hundert Proteine quantifiziert werden. Durch Bestimmung einer entsprechend großen Anzahl von Proteinen in 3.000 Patientenproben werden erhebliche Datenmengen generiert. Zur Auswertung werden bioinformatische Methoden wie Algorithmen der künstlichen Intelligenz eingesetzt um prädiktive Modelle zu erstellen. Diese Modelle könnten es erlauben, den Krankheitsverlauf eines an Covid-19 erkrankten Patienten vorherzusagen. Damit könnten die knappen Ressourcen in der Corona-Krise zielgerichtet den Patienten zukommen, die am meisten davon profitieren würden. Aufgabe dieses Teilvorhabens ist die Erstellung geeigneter Kohorten und die eingehende Charakterisierung des Plasma- und Urinproteoms von Covid-19-Patienten zur Vorhersage des Krankheitsverlaufs.