Einzelprojekt

DIAS - Datenintegration, Analyse und Services in ProteomicsDB

Förderkennzeichen: 031L0168
Fördersumme: 987.712 EUR
Förderzeitraum: 2019 - 2022
Projektleitung: Prof. Dr. Bernhard Küster
Adresse: Technische Universität München - Wissenschaftszentrum Weihenstephan - Forschungsdepartment Biowissenschaftliche Grundlagen - Lehrstuhl für Proteomik und Bioanalytik
Emil-Erlenmeyer-Forum 5
85354 Freising

Das Einzelprojekt DIAS beschäftigt sich mit dem Thema Proteomik, der systematischen Erforschung der Gesamtheit aller Proteine. Proteine zählen zu den wichtigsten aller Biomoleküle und steuern nahezu alle Vorgänge in lebenden Organismen. Wie überall in der modernen biowissenschaftlichen Forschung wurden auch bei der Erforschung der Proteine in den vergangenen Jahren große Datenmengen erzeugt. Um diese Daten effizient nutzen zu können, werden immer komplexere bioinformatische Anwendungen benötigt. Insbesondere die Verknüpfung der heterogenen Daten untereinander gewinnt derzeit stark an Bedeutung und erfordert große Innovationsanstrengungen im bioinformatischen Bereich.

Im Rahmen von DIAS sollen daher nun Bioinformatik-Werkzeuge weiterentwickelt und verbessert werden. Hauptziel dabei ist es, künftig einfach und zuverlässig proteomische Daten mit Daten aus anderen biowissenschaftlichen Forschungsbereichen zusammenzubringen und analysieren zu können. Die geplanten Arbeiten bauen auf der in der Arbeitsgruppe von Prof. Küster entwickelten und bereits erprobten Datenbank ProteomicsDB auf und sollen deren Funktionen und Möglichkeiten in wichtigen Bereichen erweitern. Es ist unter anderem vorgesehen, den Wissenschaftlerinnen und Wissenschaftlern künftig programmgesteuert Zugriff auf alle in ProteomicsDB gespeicherten Daten zu ermöglichen. Auch eine benutzerdefinierte Datenanalyse der eigenen Daten innerhalb der Datenbank sowie der Zugriff auf verschiedene Massenspektren-Bibliotheken für beliebige Organismen mit sequenziertem Genom sollen künftig möglich sein.

Durch die geplanten Verbesserungen werden sich in Zukunft neue Modelle für komplexe biologische Zusammenhänge erzeugen lassen, die mittelfristig bei klinischen Entscheidungsfindungsprozessen eingesetzt werden könnten.