Nachwuchswissenschaftler

AG Coscia

Die Nachwuchsgruppe Coscia wird das Gesamtvorhaben des MSTARS Forschungskerns maßgeblich unterstützen und ergänzen durch ein hoch-innovatives, multimodales Analysekonzept. Durch die einzigartige Kombination aus Mikroskopie, künstlicher Intelligenz und hochempfindlicher MS Methodik, wird die Arbeitsgruppe hochauflösende Proteomdaten mit großer klinischer Relevanz generieren unter Berücksichtigung von Tumor Subpopulationen, gewebespezifischen Zelltypen und der Tumor Mikroumgebung. Diese experimentellen Daten werden mit klinischen Verlaufsdaten integriert, um so Therapieresistenzen auf zellulärer und molekularer Ebene besser zu verstehen, klinische Vorhersagen zu treffen und neue Therapieansätze zu erschließen. Dies wird die Tumor Resistenzbildung von einem neuen Blickwinkel betrachten unter Berücksichtigung der Wechselwirkung von Krebszellen untereinander sowie deren Interaktion mit Zellen des Tumor Mikroumfelds und Immunsystems. Es ist zu erwarten, dass das geplante Vorhaben neue Hypothesen zur Resistenzentstehung generieren wird, die weiterführend durch enge Kollaboration im Verbund mechanistisch untersucht werden können. Dieser Forschungsansatz ist sehr breit anwendbar, die AG Coscia wird sich allerdings zu Beginn auf Studien zum Kopf-Hals Plattenepithelkarzinom fokussieren. Eine einzigartige Sammlung klinischer Proben und Patienten-abgeleiteter präklinischer Modelle dient hierbei als solide Basis um den Forschungskern zu festigen. Das Ziel ist es, lokal verfügbare Massenspektrometrie-Expertisen zu vereinigen, um so eine nachhaltige Plattform zugunsten zukünftiger Patienten zu etablieren.

Copyright: Felix Petermann, MDC Berlin
Copyright: Felix Petermann, MDC Berlin

Di Qin, Anuar Makhmut, Janett König, Fabian Coscia, Jeannine Engel, José Nimo

AG Demichev

Die Massenspektrometrie (MS)-basierte Proteomik hat in Bezug auf Geschwindigkeit, Sensitivität und Tiefe der Proteomabdeckung in letzter Zeit einen erheblichen Schritt vorwärts gemacht. Neue und schnelle Arbeitsabläufe ermöglichen Messungen von Hunderten Proteomen pro Tag und erleichtern dadurch robuste und kosteneffiziente Experimente im großen Maßstab. Die Experimente reichen von Perturbationsscreenings in Zellkultur bis hin zu Entdeckungsstudien von Biomarkern. Zur gleichen Zeit wurde die Profilerstellung von Proteomen aus Proben mit einem Proteingehalt im sub-Nanogramm Bereich Realität, wodurch die Einzelzellproteomik sehr schnell an Bedeutung gewonnen hat. Diese Fortschritte wurden durch die Einführung von schnellen und sensitiven Massenspektrometern, der Entwicklung von neuen Akquisitionsmethoden und fortschrittlichen Datenprozessierungs-Strategien angetrieben. Durch die vorangegangene Entwicklung kann die Proteomik groß angelegte Studien mit klinischen Proben erleichtern und dadurch zu informationsreichen Erkenntnissen über den Fortschritt einer Erkrankung führen und Aussagen über die Prädiktion ihres Ausgangs ermöglichen. Trotz allem kann die Geschwindigkeit der Messungen und die Datenqualität weiter signifikant verbessert werden, wodurch das Anwendungsgebiet kontinuierlich vergrößert werden kann.
Das Team von Vadim Demichev verfolgt die Vision MS-basierte Proteomik als Routinemethode in die klinische Versorgung zu implementieren und kooperiert deshalb mit Industriepartnern, um die Geschwindigkeit, quantitative Genauigkeit und proteomische Tiefe von MS-basierten Methoden zu erhöhen. Der primäre Fokus der Arbeitsgruppe liegt auf der Entwicklung neuer Akquisitionstechniken und Datenanalysemethoden und ihrer Anwendung zur Profilerstellung klinischer Proben und für die Grundlagenforschung. Darüber hinaus etabliert die Arbeitsgruppe schnelle und robuste Methoden für die Proteom-weite Kartierung von Phosphorylierungen und Ubiquitinierungen und gewinnt dadurch einen tiefen Einblick in den Proteinumsatz, seine Regulation und seine Verbindung zum Metabolismus und zur Alterung. Innerhalb MSTARS verfolgt die Arbeitsgruppe Demichev das Ziel Hochdurchsatz multi-omics Methoden zu nutzen, um Biomarker zu identifizieren sowie Machine Learning basierte Prädiktoren für den Behandlungserfolg in Krebspatienten zu definieren.