Zu allen Mitgliedern

Center for Biomarker Research in Medicine

Logo CBmed

“INDIVIDUELLE LÖSUNGEN FÜR DIE INTERNATIONALE BIOMARKERFORSCHUNG”

CBmed, ein COMET gefördertes K1 Kompetenzzentrum, verbindet exzellente Forschungsinfrastruktur, wissenschaftliche Kompetenz, medizinisches Fachwissen, und ein Netzwerk nationaler und internationaler Industriepartner für eine patienten-orientierte medizinische Biomarkerforschung.

Ausgangslage: Die evidenz-basierte Medizin des 21. Jahrhunderts erfordert patientenspezifische Biomarker zur präzisen Prognose, Diagnose und Therapiekontrolle. Auch die Zulassung neuer Arzneistoffe ist auf Biomarker angewiesen, anhand derer sich Effizienz und Spezifität bestätigen lassen. Biomarker sind somit biomedizinische Messgrößen, welche Aussagen über Krankheitszustand oder Arzneistoffwirksamkeit zulassen. Eingebettet in die Infrastruktur und Kompetenzlandschaft der Medizinischen Universität Graz, des Landeskrankenhauses Graz (LKH) sowie der BioBank Graz, hat sich die CBmed seit seiner Gründung zum Ziel gesetzt, unter Einbindung und Nutzung der lokalen Infrastruktur und Ressourcen, Biomarker-Forschung auf Spitzen-Niveau zum Wohle der Allgemeinheit zu etablieren.

Problemstellung: Trotz technischer Fortschritte und molekularmedizinischem Erkenntnisgewinnen, wie durch Sequenzierung des humanen Genoms im Jahr 2000, ist die Identifizierung patienten-spezifischer Biomarker für schwerwiegende, komplexe Erkrankungen nicht trivial. Wissenschaftliche Erkenntnisse und Biomarker aus der prä-klinischen Forschung, lassen sich oftmals nicht klinisch bestätigen oder anwenden.

Ziele: Ziel von CBmed ist es, gemeinsam mit seinen Partnern neue patienten-spezifisch anwendbare Biomarker zu identifizieren, und diese in der klinischen Anwendung zu etablieren, um damit bessere Prognose, Diagnose und Therapiekontrolle im Sinne einer patienten-spezifischen evidenz-basierten Medizin zu ermöglichen. Hierfür forschen 62 Mitarbeiter in 25 COMET-geförderten Projekten mit > 50 internationalen Partnern aus Industrie und Wissenschaft unter Anwendung modernster Technologien).

Folgende Beispiele veranschaulichen die vielseitigen CBmed Aktivitäten in der klinischen Biomarkerforschung mit dem Ziel, entscheidend zur personalisierten Medizin beizutragen:

  1. CBmed Technologie Plattformen:CBmed kann auf eine integrierte Infrastruktur von Technologieplattformen zugreifen. Hierbei kommen neben Omics-Technologien, immunologischen und digital-pathologischen Methoden auch bildgebende Verfahren am Menschen (PET-MRI/CT), und eine eigens entwickelte IT-Infrastruktur für die Daten-Analysen zum Einsatz.
  2. Klinische Daten:IT-gestützte semantische Analysen großer Mengen klinischer Daten in Verbindung mit molekularmedizinischen Daten und Proben-Annotation ermöglichen die Identifizierung digitaler Biomarker.
  3. Schlüsseltechnologien in derangewandten Biomarkerforschung:Eine exemplarische Synergie in öffentlich-privater Partnerschaften versinnbildlicht die Forschungskooperation mit einem Massenspektrometer-Produzent zur Optimierung klinischer Analysen von Patientenproben durch Charakterisierung von Qualitätsparametern von biologischen Proben.

Ausblick:

Das kürzlich am 12. März von der zuständigen FFG-Jury genehmigte und gegenüber der 1. CBmed COMET-Förderperiode erhöhte F&E-Volumen von insgesamt 18.5 Mio € ermöglicht eine Weiterführung der CBmed Biomarker-Forschungsaktivitäten in der 2. Förderperiode bis 2022.

Persönliche Mitglieder

Im Streben nach synergistischen Erkenntnissen aus den verschiedensten Datenebenen, welche mittels diverser CBmed Analysetechnologien in der Biomarkerforschung generiert werden, entwickelt das Team von Dr. Brehme „FUSION Technology“, eine integrierte in-house IT Infrastruktur zur sicheren und effizienten Datenanalyse im Rahmen integrierter, system-biologischer Biomarkerforschungsprojekte. Unterstützt durch diese Infrastruktur implementiert das Team maßgeschneiderte computer-gestützte Ansätze zur Nutzung komplementärer Omics-, Bildgebungs- und Immune-Profiling Daten in Verbindung mit klinischen Informationen. Angesichts der hochdimensionalen, heterogenen Natur der resultierenden Datensätze und der Komplexität molekularer Interaktionen, welche Genotyp-Phänotyp-Beziehungen zugrunde liegen, werden Methoden zur Datenintegration, Netzwerkmodellierung und maschinelle Lernansätze entwickelt und angewendet, um Biomarker von klinischem Nutzen in onkologischen, kardiovaskulären und metabolischen Erkrankungen zu identifizieren.

Zur Website
Zu allen Mitgliedern