Förderkennzeichen: | 01GM1905B |
Fördersumme: | 426.540 EUR |
Förderzeitraum: | 2019 - 2022 |
Projektleitung: | Prof. Dr. Jürgen Winkler |
Adresse: |
Friedrich-Alexander-Universität Erlangen-Nürnberg - Universitätsklinikum - Neurologische Klinik - Abt. für Molekulare Neurologie Schwabachanlage 6 91054 Erlangen |
Teilprojekt 2: Derzeit existieren kaum wissenschaftliche Untersuchungen, die spezifisch das Gangbild von Patienten mit HSP untersuchten, obwohl standardisierte und objektivierbare Gangparameter dringend benötigt werden. In diesem Projekt wird das mobile GaitLab-System dazu verwendet, spezifische Eigenschaften der Gangstörung bei HSP-Patienten objektiv zu erfassen, und damit sowohl den Verlauf als auch die Effekte einer Intervention messbar zu machen. Dazu werden bei Patienten mit HSP standardisiert Ganganalyse-Daten erhoben. Im Weiteren wird eine longitudinale Analyse nach einem Jahr durchgeführt, um die Grundlage für einen reliablen Progressionsmarker zu schaffen. Schließlich wird ein Teil der Patienten vor und nach einer Laufbandintervention mit Hilfe des Ganganalyse-Systems untersucht. Im letzten Schritt wird das mobile Ganganalyse-System dazu verwendet, Charakteristika der Gangstörung bei HSP-Patienten kontinuierlich und in der häuslichen Umgebung erfassbar zu machen. Teilprojekt 7: Mithilfe von humanen neuronalen Modellen für die SPG11 und die SPG15, die aus pluripotenten Stammzellen differenziert werden, wird untersucht, inwiefern der GSK3-Signalweg zur Neurodegeneration bei diesen autosomal-rezessiven HSP-Typen beiträgt. Die Beteiligung anderer neuronaler Zelltypen wird geprüft und anhand von patientenspezifischen Neuronen getestet, ob GSK3-Inhibition ein therapeutisches Target für die Neuroregeneration darstellt. Mithilfe dieser Experimente werden die vom GSK3-Signalweg abhängigen neuronalen Zelltypen spezifiziert. Darüberhinaus werden Wirkmechanismen von GSK3-Inhibition bei der autosomal-rezessiven HSP identifiziert. Schließlich zielt das Projekt darauf ab, Therapieansprechen bei komplizierten HSP-Typen vorherzusagen.