Labor- und Zentrensuche

DetailsucheMehrfachauswahl möglich!
Datenstand vom: 09.09.2019
Volltextsuche in den Forschungseinheiten +
Detailsuche +
Volltextsuche in den Forschungseinheiten

Folgende Forschungseinheiten berücksichtigen:

Zeitliche Auswahl:

CD-Labor für Applied metabolomics

Dieses CD-Labor erforscht Wege, Tumoren mittels bildgebender Verfahren nicht-invasiv besser charakterisieren zu können. Dies ist bedeutsam, da sich Tumoren laufend durch Mutationen verändern. So soll eine individuelle Therapie möglich und deren Erfolg laufend überwacht werden können.

Neue, zielgerichtete Therapien, die Genmutationen oder spezifische Rezeptoren angreifen, machen auch eine verfeinerte molekulare Tumorcharakterisierung notwendig. Die Biologie der Tumorzelle verändert sich kontinuierlich durch neue Mutationen. Dieser Vorgang erfolgt bei manchen Tumorarten äußerst schnell. Daher ist eine nicht-invasive diagnostische Methode, die diese Veränderungen abbilden kann, von eminenter Bedeutung. Mit der wachsenden Zahl zielgerichteter Therapeutika, die dem Patienten eine optimale, personalisierte Therapie ermöglichen, steigt auch der Bedarf an nicht-invasiven prognostischen Biomarkern, um überhaupt erst erkennen zu können, welche Person auf welche Therapie ansprechen wird. Die Positronen-Emissions-Tomographie (PET) ist in der Onkologie gut etabliert und in vielen Häusern vorhanden, doch nur ein Bruchteil ihres Potenzials wird im Moment genutzt. Genetische Veränderungen des Tumors erzeugen charakteristische metabolische Muster, welche mittels PET erkannt werden können.

Das CD-Labor für nicht-invasive Tumorcharakterisierung will innovative PET-Bildgebung mittels klassischer Verfahren validieren. So sollen die gewonnenen PET-Daten mit histopathologischen Untersuchungen, Analysen von Therapie- und Prognose-relevanten genetischen Mutationen, sowie klinischen Daten zu Überleben und Therapieansprechen verschränkt werden. Das Ergebnis soll eine nicht-invasive "in vivo Pathologie" sein, die zu einem individualisierten Therapiealgorithmus führt und dessen Erfolg laufend überwachen kann. Um dieses komplexe Ziel zu erreichen, wird ein supervised machine learning (ML) Algorithmus angewendet. Diese neuartige Methode soll spezifische PET-Muster erkennbar machen, die durch Mutationen im Tumor hervorgerufen werden, und darüber hinaus Aussagen zum Therapieansprechen treffen können.

Die Ergebnisse werden mit Hilfe von präklinischen Mausmodellen validiert. Mittels CRISPR/Cas9 werden in Xenografts, das sind in diesem Fall Mäuse, denen humane Tumorzellen übertragen wurden, genetische Mutationen induziert und dann untersucht, ob sich die in Patienten gefundenen PET-Muster im Mausmodell reproduzieren lassen. Zusätzlich wird der bildgebende Ansatz prospektiv mit liquid biopsies, das sind Untersuchungen auf im Blut befindliche Tumorbestandteile und Tumormarker, validiert. Blutproben werden kurz vor der PET-Bildgebung entnommen und klinische Daten wie Überleben und Therapieansprechen gesammelt, um sie mit den PET-Mustern in Beziehung setzen zu können. Das übergeordnete Ziel ist, einen integrativen diagnostischen Algorithmus zu entwickeln um nicht-invasiv die Tumorbiologie und damit die bestmögliche initiale Therapie bestimmen und überwachen zu können.

Um die beschriebene Pipeline entwickeln zu können, wurden drei Tumorentitäten ausgewählt, die unterschiedliche Herausforderungen an die zu erforschende Methode stellen: kolorektale Karzinome und diffus großzellige B-Zell Lymphome – beide untersucht mittels F18-2-Fluordesoxyglukose (FDG)-PET – sowie Prostatakarzinome – untersucht mittels prostataspezifischem Membran­Antigen (PSMA)-PET. Im weiteren Verlauf soll die Studie auf Mammakarzinome und nicht-kleinzellige Bronchialkarzinome ausgedehnt werden.

Leitung

Assoc.Prof. Priv.Doz. Dr. Alexander Haug

Medizinische Universität Wien

Klinische Abteilung für Nuklearmedizin

Währinger Gürtel 18-20

1090 Wien

Univ.Prof. Dr. Lukas Kenner

Medizinische Universität Wien

Klinisches Institut für Pathologie

Währinger Gürtel 18-20

1090 Wien

Details

Laufzeit: 01.11.2018 - 31.10.2025

Unternehmenspartner:

Siemens Medical Solutions USA, Inc.

Thematischer Cluster:

Medicine