Projekt

Zurück zur Übersicht

Personalized longitudinal metabolomic and microbiomic profiling of diabetes progression

Gesuchsteller/in Röst Steiner Hannes
Nummer 162268
Förderungsinstrument Early Postdoc.Mobility
Forschungseinrichtung Departments of Pediatrics and Genetics Stanford University School of Medicine
Hochschule Institution ausserhalb der Schweiz - IACH
Hauptdisziplin Genetik
Beginn/Ende 01.07.2015 - 31.12.2016
Alle Daten anzeigen

Keywords (3)

Genetics; Personalized Medicine; Microbiome

Lay Summary (Deutsch)

Lead
Um die Früherkennung und Prävention bei Diabetes Typ 2 zu verbessern, ist ein besseres Verständnis der molekularen Mechanismen, welche zur Krankheit führen, essentiell. Insbesondere ist die Rolle des humanen Mikrobiomes (die Gesamtheit aller Mikroorganismen im menschlichen Verdauungstrakt) bei der Krankheitsentwicklung momentan ungenügend verstanden.
Lay summary

Inhalt und Ziele des Forschungsprojekts

Das Projekt hat das Ziel, eine mehrjährige molekulare Analyse des Krankheitsverlaufes von Diabetes Typ 2 in einer Gruppe von 100 Personen mit erhöhtem Diabetes Typ 2-Risiko durchzuführen. Dabei wird ein personalisierter Ansatz verwendet, welcher viele tausend molekulare Messpunkte über mehrere Jahre hinweg verfolgen kann. Diese Herangehensweise erlaubt, die Interaktion zwischen den im menschlichen Verdauungstrakt lebenden Mikroorganismen und dem menschlichen Wirt mittels eines ganzheitlichen systemischen Ansatz zu analysieren. Die Ergebnisse werden danach mit weiteren molekularen Daten und bereits bekannten Interaktionsnetzwerken integriert. Dies wird unser Verständnis der molekularen Abläufe bei Diabetes Typ 2 verbessern und neue Erkenntnisse bezüglicher der Rolle des humanen Mikrobiomes liefern.

Wissenschaftlicher und gesellschaftlicher Kontext des Forschungsprojektes

Einerseits werden im Verlauf des Projekts neue Auswertungsmethoden und Software entwickelt, welche allgemein in der personalisierten Medizin, der mikrobiellen und metabolomischen Analyse verwendet werden können. Weiterhin können die Ergebnisse der Studie direkte Anhaltspunkte für mögliche Ansätze in der Prävention und Diagnostik von Diabetes Typ 2 liefern.

Direktlink auf Lay Summary Letzte Aktualisierung: 04.07.2015

Verantw. Gesuchsteller/in und weitere Gesuchstellende

Publikationen

Publikation
Chapter 10: Data Analysis for Data Independent Acquisition
(2017), Chapter 10: Data Analysis for Data Independent Acquisition, 200-227.
A multicenter study benchmarks software tools for label-free proteome quantification
(2016), A multicenter study benchmarks software tools for label-free proteome quantification, in Nature Biotechnology, 34(11), 1130-1136.
OpenMS: A flexible open-source software platform for mass spectrometry data analysis
(2016), OpenMS: A flexible open-source software platform for mass spectrometry data analysis, in Nature Methods, 13(9), 741-748.
TRIC: an automated alignment strategy for reproducible protein quantification in targeted proteomics
(2016), TRIC: an automated alignment strategy for reproducible protein quantification in targeted proteomics, in Nature Methods, 777-783.
Automated SWATH Data Analysis Using Targeted Extraction of Ion Chromatograms
, Automated SWATH Data Analysis Using Targeted Extraction of Ion Chromatograms, in Methods in Molecular Biology (Springer), 0.

Wissenschaftliche Veranstaltungen

Aktiver Beitrag

Titel Art des Beitrags Titel des Artikels oder Beitrages Datum Ort Beteiligte Personen
HUPO 2016 Vortrag im Rahmen einer Tagung TRIC: An automated alignment strategy for reproducible protein quantification in targeted proteomics. 18.09.2016 Taipeh, Taiwan Röst Steiner Hannes;
ASMS 2016 Poster organised the DIA workshop and had a poster on TRIC 05.06.2016 San Antonio, Texas, Vereinigte Staaten von Amerika Röst Steiner Hannes;
Dagstuhl Seminar Einzelvortrag Participation in various workshops 23.08.2015 Dagstuhl, Deutschland Röst Steiner Hannes;


Auszeichnungen

Titel Jahr
HUPO 2016 Early Career Researcher Manuscript Competition, Finalist 2016

Verbundene Projekte

Nummer Titel Start Förderungsinstrument
164703 Personalized longitudinal metabolomic and microbiomic profiling of diabetes progression 01.01.2017 Advanced Postdoc.Mobility

Abstract

Diabetes mellitus type 2 is a global epidemic that affects over 200 million people worldwide and its prevalence is expected to increase by more than 50 % during the next two decades. Currently, early diagnosis and prevention programs are the most effective method to reduce diabetes incidence and comorbidities. However, to improve diagnosis and prognosis, a better understanding of the molecular mechanisms underlying diabetes is needed. Specifically, the role of the human microbiome in diabetes is currently poorly understood but potentially plays a large role in disease progression. Here, we propose to use personalized omics profiling of 100 subjects with high risk of developing diabetes to investigate the molecular causes of and events associated with diabetes progression. Our study will focus on longitudinal high throughput measurements of the human microbiome and metabolome, which will allow us to investigate host-microbiota interactions on a systems level. Our approach will enable us to observe dynamic changes in the microbiome during the course of disease progression, providing molecular insight into ongoing changes in each subject. The proposed large-scale profiling and the longitudinal nature of the analysis will far exceed any previous study to date both in number of time points as well as in number of molecular components measured. The deep personalized profiling will likely reveal novel interactions between microbial pathways and host metabolism, which can contribute to our understanding of diabetes and serve as biomarker signature that may be useful for the prevention of the disease.
-