Modellierung von molekularen Netzwerken
Zur Entstehung komplexer so genannter multifaktorieller Erkrankungen wie Krebs und Parkinson tragen neben einer starken genetischen Komponente auch exogene Faktoren bei. Obwohl intensiv an der Pathophysiologie geforscht wird, sind die Erkenntnisse noch begrenzt und meist keine Heilungschancen in Sicht. Mit den Fortschritten in der Gentechnologie werden jetzt im Hochdurchsatzverfahren genomische und transkriptomische Analysen an Zellen durchgeführt und enorme Datenmengen auf mehreren Ebenen generiert. Diese Analysen sind jedoch nur Teil des Gesamtbildes, das vor allem integrative Ansätze erfordert. Aus diesen Datenmengen sinnvolle Informationen zu extrahieren, ist eine enorme Herausforderung. So sollte das EU-finanzierte Projekt "A computational systems biology approach to reveal the molecular basis of complex diseases" (EYLCOMPDISSYSBIO) einen Rahmen für die integrative Analyse verschiedener Omics-Daten entwickeln, um komplexe Krankheiten genauer erforschen zu können. Das bereits bestehende ResponseNet wurde für die Analyse menschlicher Daten angepasst, sodass mit ResponseNet nun Signal- und Regulationswege wie auch Protein-Protein-Interaktionen identifiziert werden können. Am Beispiel des Melanoms wurden so Signalwege enthüllt, die mit spezifischen Mutationen assoziiert werden, und Interaktionen zwischen zwei wichtigen entzündungshemmenden Proteinen (Alpha-1-Antitripsin und IL-1-Rezeptorantagonist) identifiziert. An Gewebeexpressionsprofilen rekonstruierte das Konsortium zudem Proteininteraktionsnetzwerke für 16 verschiedene Gewebe. Eine vergleichende Analyse dieser Netzwerke enthüllte bestimmte Mechanismen für Erbkrankheiten und demonstrierte das prädiktive Potenzial des Systems. Die computergestützte Analyse vereinfacht die Zusammenführung und Auswertung der mit verschiedenen Omics-Technologien erzeugten großen Datensätze, was die Erforschung der Ursachen komplexer Krankheiten und potenzieller therapeutischer Ziele deutlich beschleunigen wird.
