Krebs ist eines der dringlichsten Gesundheitsprobleme und die zweithäufigste Todesursache bei Kindern. Die Krebsbehandlung ist toxisch für das Kind und zwei Drittel der Überlebenden leiden unter Langzeitnebenwirkungen, die ihr Leben beeinträchtigen (z. B. durch kognitive Beeinträchtigungen, sekundäre Krebserkrankungen, Unfruchtbarkeit und Depressionen). Die häufigste Krebserkrankung bei Kindern ist die akute lymphoblastische Leukämie (ALL). Bestimmte Chromosomenveränderungen, die schon vor der Geburt auftreten, führen zu einer Vorstufe der ALL und stellen einen Risikofaktor für das Kind dar, im Alter von 2 bis 5 Jahren an ALL zu erkranken. Da die ALL durch eine Kombination aus Umweltfaktoren und einem dysregulierten Immunsystem ausgelöst wird, ist sie im Prinzip eine vermeidbare Krankheit. Allerdings fehlen Technologien für eine klinisch anwendbare, kosteneffiziente, risikoadaptierte Früherkennung. Das Ziel von "BMBF-EDI-4-ALL" ist es, Hochdurchsatz-Methoden für die Erkennung von prädisponierten Neugeborenen zu entwickeln und in Nabelschnurblut-Screenings zu testen, um Risikofaktoren zu charakterisieren und Präventionsstrategien zu entwickeln. Dazu werden Synergien zwischen epidemiologischen, klinischen, genetischen, zellbiologischen und omics-Analysen entwickelt, Hypothesen in vivo und in Modellierungsstudien getestet und künstliche Intelligenz (KI) für die Risikofaktorenanalyse eingesetzt. Mittels KI wird auch in Studien getestet, ob eine genetische Prädisposition anhand der Zusammensetzung des Darm-Mikrobioms erkennbar ist und dies einen nicht-invasiven Test darstellt, mit Implikationen für eine potenzielle Modulierbarkeit des individuellen Leukämierisikos. In Modul 2 werden Konzepte für die Umsetzung der entwickelten Risikoscores und Instrumente in der medizinischen Diagnostik entwickelt und in einer prospektiven Studie validiert. Am Standort Düsseldorf wird die Hochdurchsatzmethode für die diagnostische Untersuchung von Neugeborenen entwickelt und validiert.