Die innovative Technologie der Imaging MS kombiniert die Massenspektrometrie mit histologischen Analysen. Durch diese Kombination wird es ermöglicht Biomoleküle auf einzelnen Gewebeschnitten zu untersuchen, wobei ihre räumliche Verteilung erhalten bleibt. Als Ergebnis wird eine Karte molekularer Intensitäten generiert, die Rückschlüsse auf die Häufigkeit des Vorkommens der Biomoleküle in unterschiedlichen Arealen zulässt. Diese Technologien ermöglichen die Analyse von molekularen Signaturen oder Biomolekülen direkt im Gewebe und im Hochdurchsatz-Maßstab. Dadurch können sie zur Verbesserung von diagnostischen Maßnahmen oder der Stratifizierung von Patienten beitragen. Innerhalb des MSTARS Konsortiums nutzen drei Gruppen diese innovativen Technologien, um molekulare Veränderungen direkt im Gewebe zu adressieren und Biomoleküle zu identifizieren, die den Erfolg einer therapeutischen Behandlung vorhersagen können.
Imaging MS
AG Klein
Oliver Klein und sein Team haben langjährige Erfahrung im Bereich der MS-basierten Bildgebungstechnologien (Imaging MS) und adressieren mit dieser fortschrittlichen Technikkombination molekulare (Proteine, Peptide, Metabolite, Glykane), zelluläre oder strukturelle Veränderungen direkt in Gewebeschnitten. Mithilfe dieser Technologie charakterisiert die Gruppe räumliche und zeitliche molekulare Veränderungen, die unter anderem durch Erkrankungszustände oder regenerative Prozesse nach therapeutischer Behandlung hervorgerufen werden können, und unterstützen dadurch die Entwicklung von molekularen Klassifikatoren für die Patientenstratifizierung oder als diagnostisches oder prognostisches Werkzeug. Das Labor der AG Klein ist mit einer Reihe Massenspektrometer ausgestattet, wozu ein MALDI TOF Imaging MS und ein ESI-QTOF MS gehören sowie mit nano HPLC, Sprayer Devices und einem Scanner für Gewebeschnitte.
Innerhalb des MSTARS Konsortiums nutzt die Gruppe von Oliver Klein Imaging MS, um markierungsfrei molekulare Veränderungen in Gewebeschnitten zu untersuchen und dadurch Prädiktoren für die Diagnostik oder das Behandlungsergebnis zu identifizieren. Das Team untersucht behandelte und unbehandelte Patienten-abgeleitete Modelle und Gewebeschnitte von Patienten mit HNSCC, um Veränderungen in der Mikroumgebung nach therapeutischer Behandlung aufzudecken. In Kombination mit Machine Learning Ansätzen resultieren diese Analysen in der Identifikation von Klassifikatoren, die einen Behandlungserfolg oder ein Behandlungsversagen vorhersagen können. Im Verlauf des Projektes werden die Analysen auf weitere Krankheitsentitäten, wie Ovarialkarzinome, Neuroblastome, Prostatakrebs oder Myokarditis, ausgeweitet.
Dr. Oliver Klein, Dipl. Ing. Grit Nebrich, M.Sc. Benjamin Florian Hempel, M.Sc. Zhyiang Wu, Sylwia Handzig