Junge Verstärkung für das MSTARS Konsortium

Die Arbeitsgruppe "Räumliche Proteomik" ergänzt MSTARS durch ein innovatives und einzigartiges Konzept.

Im Juli 2021 startete die Nachwuchsgruppe „Spatial Proteomics“, die von Dr. Fabian Coscia geleitet wird, ihre Arbeit am Max-Delbrück-Zentrum für molekulare Medizin in der Helmholtz-Gemeinschaft in Berlin-Buch. Die Gruppe zielt darauf ab durch eine einzigartige Kombination aus hochauflösender Mikroskopie, automatisierter Bildanalyse und Massenspektrometrie (MS)-basierter Proteomik einen tiefen Einblick in die räumlich aufgelöste Proteomheterogenität in gesunden und erkrankten Geweben zu gewinnen. Mit dieser Herangehensweise deckt die Arbeitsgruppe molekulare und zelluläre Krankheitsmuster auf, die als Marker Anwendung in der Präzisionsonkologie finden sollen.
Während seiner Doktorarbeit am Max-Planck-Institut für Biochemie in Martinsried in der Forschungsabteilung „Proteomics und Signaltransduktion“ von Prof. Dr. Matthias Mann untersuchte Fabian Coscia das proteomische Profil chemosensitiver Ovarialkarzinome und die Rolle der Tumormikroumgebung während Tumormetastasierung. Darauf aufbauend setzte er seine Forschungsaktivität zwischen 2017 und 2021 als Postdoc in der Gruppe „Clinical Proteomics“, ebenfalls geleitet von Matthias Mann, an der Universität zu Kopenhagen fort. Während dieser Zeit wurde Fabian Coscia für seine herausragende Arbeit während seiner Dissertation mit dem Forschungspreis der Walter Schulz Stiftung ausgezeichnet, warb das Marie Skłodowska-Curie Stipendium für Postdocs zur Förderung seiner exzellenten wissenschaftlichen Arbeit ein und co-entwickelte das innovative Konzept Deep Visual Proteomics (DVP), eine einzigartige Kombination aus hochauflösender Mikroskopie, künstlicher Intelligenz und MS-basierter Proteomik.
Im Rahmen des MSTARS Konsortiums werden Fabian Coscia und sein Team DVP weiterentwickeln und anwenden, um die Grundlagen von Therapieresistenzen in Krebserkrankungen aufzudecken und neue Ansätze für die Behandlung therapieresistenter Tumore zu identifizieren.

© Coscia Lab, MDC

Ausgewählte Publikationen

Mund, A.#, Coscia F.#, et al (2021). AI-driven Deep Visual Proteomics defines cell identity and heterogeneity. bioRxiv 2021.01.25.427969, https://doi.org/10.1101/2021.01.25.427969

Eckert, M. A.#, Coscia, F.#, et al. (2019). Proteomics reveals NNMT as a master metabolic regulator of cancer-associated fibroblasts. Nature. https://doi.org/10.1038/s41586-019-1173-8

Coscia, F. et al. (2018). Multi-level Proteomics Identifies CT45 as a Chemosensitivity Mediator and Immunotherapy Target in Ovarian Cancer. Cell, 159–170. https://doi.org/10.1016/j.cell.2018.08.065.

Weitere Informationen finden Sie hier:
Nachwuchswissenschaftler
AG Coscia
Fabian Coscia stellt sich vor.

Zur Steigerung des Durchsatzes: Die Arbeitsgruppe "Quantitative Proteomik" entwickelt verbesserte Methoden zur Probenmessung und -analyse.

Die Charité - Universitätsmedizin zu Berlin bekam im August 2021 Zuwachs durch die Nachwuchsgruppe „Quantitative Proteomik“ von Dr. Vadim Demichev. Das Team von Vadim Demichev verfolgt die Vision MS-basierte Proteomik und PTM-omics als Routinemethoden 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.
Vadim Demichev arbeitete als Postdoc in den Laboren von Markus Ralser (Francis Crick Institut, London, UK) und Kathryn Lilley (Universität Cambridge, Cambridge, UK). Der Schwerpunkt seiner Arbeit lag auf der Methodenentwicklung für schnelle proteomische Analysen, um die quantitative Genauigkeit und Kosteneffizienz für große Experimente zu verbessern. Zuerst entwickelte Vadim Demichev eine Computer-basierte Methode mit dazugehöriger Softwarelösung, DIA-NN, die nun flächendeckend auf dem Gebiet angewendet wird. Die Methode wird für mittels data independent acquisition (DIA) aufgenommene Daten mit chromatographischen Gradienten kürzer als 30 Minuten angewendet und löst das Problem der Dekonvolution. Darauf aufbauend hat Vadim Demichev Scanning-SWATH mit entwickelt, wobei es sich um eine neue Akquisitionsmethode handelt. Diese Technik kombiniert die Vorteile von DIA und data dependent acquisition (DDA) Proteomik und kann vor allem für sehr schnelle Methoden mit einer reduzierten Gradientenlänge von bis zu 1 min und einem Durchsatz von bis zu 400 Proben am Tag genutzt werden. Die neuen Methoden wurden bereits auf Plasmaproben von COVID-19 Patienten angewendet, um im Plasmaproteom Biomarker für die Patientenstratifizierung und Prognoseerstellung zu identifizieren.
Im Rahmen des MSTARS Konsortiums nutzt die Arbeitsgruppe Demichev Hochdurchsatz multi-omics Methoden, um Biomarker oder KI-basierte Prädiktoren für einen Therapieerfolg in Krebspatienten zu identifizieren. Dafür entwickelt die Gruppe neue multiplexing Technologien, Akquisitionsmethoden und Datenanalyse-Strategien.

© Demichev Lab, Charité - Universitätsmedizin Berlin

Ausgewählte Publikationen

Demichev, V.#, Tober-Lau, P.# et al (2021). A time-resolved proteomic and prognostic map of COVID-19. Cell systems. https://doi.org/10.1016/j.cels.2021.05.005

Messner, C.B.#, Demichev, V.# et al (2021). Ultra-fast proteomics with Scanning SWATH. Nature Biotechnology. https://doi.org/10.1038/s41587-021-00860-4

Demichev, V. et al (2020). DIA-NN: neural networks and interference correction enable deep proteome coverage in high throughput. Nature Methods. https://doi.org/10.1038/s41592-019-0638-x

Weitere Informationen finden Sie hier:
Nachwuchswissenschaftler
AG Demichev