Systembiologie der Signaltransduktion

  • Funktionelle und Strukturelle Genomforschung
Mitarbeiterbild

Prof. Dr. Ursula Klingmüller

Abteilungsleiterin

Ein Versagen von Kontrollmechanismen trägt zur Tumorentwicklung bei. Ziel unserer Forschung ist es daher, molekulare Mechanismen zu entschlüsseln, die die Entscheidungen in Zellen kontrollieren und die Kommunikation im Gewebe und zwischen Organen bestimmen.

Unsere Forschung

Gruppenfoto der B200-Abteilung im Jahr 2024.
Gruppenfoto der B200-Abteilung im Jahr 2024.

Wir kombinieren quantitative Proteomik mit Mechanismus-basierter mathematischer Modellierung, um eine Früherkennung und personalisierte Behandlung von Krebs zu ermöglichen. Auf diese Weise möchten wir dazu beitragen, die Lebensqualität von Krebspatienten zu verbessern. 

Eine Vielzahl von extrazellulären Signalen binden an Rezeptoren, die auf der Zelloberfläche vorhanden sind und die empfangenen Signale in eine Aktivierung von intrazellulären Signalübertragungsnetzwerken umwandeln. Einerseits wird die Dynamik der Signalübertragung in diesen Netzwerken durch den Stoffwechselzustand der Zellen beeinflusst, andererseits hat die Signaltransduktion Auswirkungen auf den Stoffwechsel. Die Reaktionen im Netzwerk werden integriert und in phänotypische Zellreaktionen wie Proliferation, Überleben und Differenzierung umgesetzt. Die meisten der zugrundeliegenden Reaktionen sind nichtlinear und laufen auf sehr unterschiedlichen Zeitskalen ab, die von Minuten bis zu Stunden und Tagen reichen können. Aufgrund dieser Komplexität sind mathematische Modellierungsansätze von Vorteil. Die Entwicklung von Mechanismus-basierten mathematischen Modellen ermöglicht nicht nur die schnelle Prüfung von Hypothesen zu Mechanismen, die zur Krebsentstehung beitragen könnten, sondern erleichtern auch die Vorhersage von Krankheitsverläufen und unterstützen die Entwicklung optimierter Interventionsstrategien zur Therapie bei einzelnen Patienten.

In enger Zusammenarbeit mit Partnern aus der mathematischen Modellierung und klinischen Partnern entwickeln wir Patienten-nahe zelluläre Modellsysteme mit einer authentischen extrazellulären Matrix, entwickeln modernste Massenspektrometrie-Ansätze für die klinische Proteomik und kombinieren zunehmend KI-basierte Modellierungsansätze mit dynamischer Signalwegmodellierung. Im Fokus unserer Arbeiten stehen Prozesse, die die Entwicklung von Leukämie, Lungenkrebs und Leberkrebs bestimmen.

Wesentliche Arbeitsgebiete der Abteilung sind:

  1. Etablierung von systemmedizinischen Ansätzen für eine klinische Anwendung durch standardisierte Verfahren in der Erzeugung hochwertiger Daten und die Entwicklung prädiktiver mathematischer Modelle
  2. Mechanistische Aufklärung der durch Erythropoietin (Epo) ausgelösten zellulären Reaktion von der Einzelzelle über die Zellpopulation bis zum gesamten blutbildenden System
  3. Aufklärung der Interaktionen in der Tumormikroumgebung, die zur Entwicklung von Lungenkrebs beitragen und die für eine optimierte patientenspezifische Therapie verwendet werden können.
  4. Entschlüsselung der Interaktion von Signaltransduktion und Stoffwechsel, um Mechanismen aufzuklären, die die Kompensation von Leberschäden aufgrund von Medikamenten oder Virusinfektionen steuern, und um modellbasierte Biomarker für die Früherkennung von Leberkrebs zu entwickeln.

Ausblick
Unser Ziel ist es, Mechanismus-basierte mathematische Modelle für die Vorhersage von Krankheitsverläufen zu entwickeln, um eine Früherkennung von Krebserkrankungen zu unterstützen und wirksame Interventionsstrategien zu entwickeln, mit denen ein aggressiv fortschreitender Krebs in eine kontrollierbare Krankheit umgewandelt werden kann. Daher entwickeln wir integrative Modelle, die Signaltransduktion, Stoffwechsel und phänotypische Reaktionen miteinander verknüpfen. Dies sind wesentliche Bausteine für die Erstellung mechanistischer Modelle auf mehreren Ebenen, um die Auswirkungen zellulärer Veränderungen auf das gesamte Organ vorherzusagen. Wir werden unsere auf Massenspektrometrie basierende klinische Proteomik-Pipeline weiterhin standardisieren und automatisieren, um die Erhebung von zuverlässigen quantitativen Daten zu gewährleisten und durch die Kombination von KI-basierter Mustererkennung mit dynamischer Signalwegmodellierung die Entwicklung von Vorhersagemodellen zu ermöglichen. Durch unsere klinischen Partner haben wir Zugang zu hochwertigen Patientenproben, die es uns ermöglichen, mit unseren prädiktiven mathematischen Modellen Krankheitsmechanismen zu entschlüsseln, die einen Übergang von chronischen Erkrankungen zu Krebs begünstigen oder Auswirkungen von Krebstherapien auf das Herz bestimmen.

Soziale Medienplattformen

Projekte

Erstellt mit Biorender. Angepasst von Heming et al., Bioinform Adv 2022. © dkfz.de

Weiterentwicklung der klinischen Proteomik für die Systemmedizin

Die Entstehung und der Verlauf von Krankheiten sind hochdynamische Prozesse. Um Veränderungen zu identifizieren, die zur Deregulierung führen, sind systemmedizinische Ansätze erforderlich, die hochwertige Datengenerierung mit der Entwicklung mechanistischer mathematischer Modelle kombinieren. Da biologische Funktionen durch Proteine ausgeführt werden und deren Konzentration entscheidend für die zellspezifische Informationsverarbeitung ist, wird ein quantitativer proteomischer Ansatz benötigt, der sowohl für die mathematische Modellierung als auch für die klinische Anwendung robust genug ist.

Eine wichtige Grundlage für eine belastbare, klinisch anwendbare Pipeline ist die standardisierte Sammlung von Patientenproben gemäß Standardarbeitsanweisungen (SOPs) (Wessels et al., Transl Lung Cancer Research 2020; Gegner et al., Front Mol Biosci 2022). Wichtige Schritte unserer klinischen Proteomik-Pipeline umfassen die Optimierung der Zell-, Extrazellulärmatrix-, Gewebe- und Blutplasmalyse, die teilautomatisierte Probenverarbeitung und die Integration von Qualitätsstandards. Zur Standardisierung der Datenverarbeitung und Sicherstellung der Reproduzierbarkeit wurde das MSPypeline-Tool (Heming et al., Bioinform Adv 2022) entwickelt. Mit diesen Fortschritten konnten wir bereits zeigen, dass die generierten Daten die Kalibrierung unserer mechanistisch basierten dynamischen Pfadmodelle für die Signaltransduktion von TGFβ, HGF, EGF, IL-6, TNFα, IFNα und Epo erheblich verbessern.

Team

  • Mitarbeiterbild

    Prof. Dr. Ursula Klingmüller

    Abteilungsleiterin

    Profil anzeigen
  • Mitarbeiterbild

    Yomn Abdullah

    Doktorandin

  • Mitarbeiterbild

    Annalisa Addante

    Postdoktorandin

  • Mitarbeiterbild

    Sandra Bonefas

  • Mitarbeiterbild

    Katharina Büchner

  • Mitarbeiterbild

    Dr. Sebastian Burbano De Lara Carrillo

    Postdoktorand

  • Mitarbeiterbild

    Simone Clas

    Doktorandin

  • Mitarbeiterbild

    Kyra Fischer

  • Mitarbeiterbild

    Dr. Dario Frey

    Postdoktorand

  • Mitarbeiterbild

    Franziska Gödtel

  • Mitarbeiterbild

    Barbara Helm

  • Mitarbeiterbild

    Elisa Holstein

    Doktorandin

  • Mitarbeiterbild

    Martina Kegel

  • Mitarbeiterbild

    Daniel Kempter

    Masterstudent

  • Mitarbeiterbild

    Nicola Kunz

  • Mitarbeiterbild

    Dr. Nantia Leonidou

    Postdoktorandin

  • Mitarbeiterbild

    Caroline Lohoff

  • Mitarbeiterbild

    Till Möcklinghoff

  • Mitarbeiterbild

    Christina Mölders

    Doktorandin

  • Mitarbeiterbild

    Benedikt Niedermaier

  • Mitarbeiterbild

    Akane Ogawa

    Gast-Bachelorstudentin

  • Mitarbeiterbild

    Dr. Agustin Rodriguez Gonzalez

    Postdoktorand

  • Mitarbeiterbild

    Michelle Sadlowski

  • Mitarbeiterbild

    Dr. Marcel Schilling

    Stellvertreter

  • Mitarbeiterbild

    Lisa Strotmann

  • Mitarbeiterbild

    Katerina Sulková

    Doktorandin

  • Mitarbeiterbild

    Cong Quan Ta

    Doktorand

  • Mitarbeiterbild

    Florian Tichawa

  • Mitarbeiterbild

    Henry Unger

    Doktorand

  • Mitarbeiterbild

    Leonie Wilhelm

  • Mitarbeiterbild

    Dr. Piotr Zadora

    Postdoktorand

Gesamtes Team

Ausgewählte Publikationen

2024 - Molecular systems biology
2022 - Cell Reports 40(12):111360
2021 - Cell Reports 36(6), 109507
2020 - Molecular Systems Biology 16(7):e8955

Alle Publikationen

Kontaktieren Sie uns

Mitarbeiterbild
Prof. Dr. Ursula Klingmüller
Abteilungsleiterin
Mitarbeiterbild
Dr. Marcel Schilling
Stellvertreter
Formular

Formulardaten werden geladen ...