Proteomik

Eine Deep-Learning-Strategie für die Hochdurchsatz-Proteomik von Blutplasma und einzelnen Zellen (Heidelberg Explorer Call)

Dieses Projekt ist eine Kooperation mit dem Proteomik-Labor von Prof. Krijgsveld. Proteine sind die wichtigsten Triebkräfte für Zellfunktionen und Krankheiten. Daher ist die Proteomik ein sehr geeignetes Verfahren zur Charakterisierung von Determinanten der Zellidentität und zur Ermittlung von Biomarkern. Die derzeitige Proteomik-Technologie ist so umfangreich, dass sie Profile von Tausenden von Proteinen erstellen kann, und so empfindlich, dass sie auf einzelne Zellen zugreifen kann. Allerdings fehlt ihr der Durchsatz für eine aussagekräftige Analyse großer Probenkohorten sowohl in der Grundlagenforschung als auch in der Klinik. Daher entwickeln wir neuartige, auf künstlicher Intelligenz (KI) basierende Ansätze für die Analyse massenspektrometrischer (MS) Daten, um Plasmaproteomdaten dem klinischen Status zuzuordnen und Einzelzelldaten mit der Zellidentität zu korrelieren. Darüber hinaus werden wir Proteom-Experimente durchführen, um zu zeigen, dass dieser auf Deep Learning basierende Ansatz den Durchsatz der Plasma- und Einzelzell-Proteomanalyse erhöht. Insgesamt wird dieses Projekt einen bahnbrechenden Ansatz in der Proteomik einführen, der die Stratifizierung von Patienten und die Entdeckung von Biomarkern ermöglicht und das junge Feld der Einzelzell-Proteomik voranbringt.