Chirurgisches Forschungslabor (Prof. Gemoll)

Das Ziel der klinischen Proteomforschung ist es, eine individualisierte Medizin (Diagnose, Prognose, Therapie & Nachsorge) mit Hilfe von Proteinbiomarkern zu ermöglichen. Dabei liegt der Schwerpunkt in der onkologischen Forschung, bei der zum einen die Bedeutung genomischer Instabilität für die Entstehung und Progression solider Tumoren und zum anderen die Identifizierung und Charakterisierung von Proteinen, Autoantikörpern, CTCs (Circulating Tumor Cells), Thrombozyten und anderen Kompartimenten im Blut bzw. Körperflüssigkeiten (Liquid Biopsy) untersucht wird.

Während Genom- und Transkriptom-Analysen schon heute eine wichtige Grundlage für die individuelle Medizin darstellen, werden Proteinanalysen in Zukunft noch detaillierter und zielgerichteter erlauben, den Krankheitsphänotyp und geeignete Therapieziele zu definieren. Vor diesem Hintergrund wurden in der Arbeitsgruppe komplexe Methoden (ESI- & MALDI-MS, 2-DIGE, MALDI-Imaging, quantitativer Western Blot) im klinischen Kontext etabliert, deren Ergebnisse u.a. in enger Kooperation mit Kliniken und Instituten des UCCSHs erarbeitet wurden.

Die klassische Gewebebiopsie ist der Goldstandard in der Tumordiagnostik. Diese kann jedoch nur durch einen invasiven operativen Eingriff gewonnen werden und birgt somit ein gewisses Risiko.
Hinzukommt, dass das Krebsgenom einer dynamischen Evolution unterliegt und zu einer molekularen Tumorheterogenität der Tumore führt. Flüssigbiopsien (Liquid Biopsies) sind daher eine sehr gute Alternative, um eine nicht-invasive, serielle Probenabnahme zu ermöglichen.
Ein Schwerpunkt der Arbeitsgruppe liegt auf der Multi-Omics-Analyse von Tumorkomponenten, die im Blut nachweisbar sind: zirkulierende Proteine & Tumorzellen (circulating tumor cells, CTCs), zellfreie Tumor-DNA (cfDNA), Thromboyzten und extrazelluläre Vesikel.
Diese Komponenten können die Tumorheterogenität widerspiegeln und für die Identifizierung neuer molekularer Biomarker dienlich sein. Hierfür stehen der Arbeitsgruppe verschiedene Multiplexing Verfahren im Bereich Nucleinsäure und Proteinbiochemie zur Verfügung.
Ein Ziel der Arbeitsgruppe ist es, Ergebnisse der Liquid Biopsy-Untersuchungen für die frühe Krebsdiagnostik einzusetzen, wie es in dem von der WT.SH geförderten Verbundprojekt EMECK (Entwicklung einer Multi-Entitäten-Software zur Krebsfrüherkennung) geplant ist.

Patientenmaterial ist ein wichtiger Bestandteil der biomedizinischen Forschung. In Biomaterialbanken werden Patientenproben (Gewebe, Serum, Plasma, etc.) unter standardisierten Bedingungen gesammelt und gelagert.
Die Verlässlichkeit der Untersuchungsergebnisse in Routinediagnostik und Forschung ist direkt von einer gleichbleibend hohen Probenqualität der in Biobanken gelagerten Patientenproben abhängig.
Ziel der Arbeitsgruppe ist die Entwicklung und Bereitstellung eines Portfolios an Methoden zur Qualitätstestung von klinischen Gewebe- und Flüssigproben auf DNA-, RNA- und Proteinebene.
Untersucht wird u.a. der Effekt unterschiedlicher Lagerungsmodalitäten (Lagertemperatur, Lagerdauer, etc.) auf die Probenqualität. Wir arbeiten in diesem Forschungsbereich besonders eng mit dem Interdisziplinären Centrum für Biobanking-Lübeck (ICB-L) der Universität zu Lübeck zusammen und sind in Projekte aus dem akademischen Bereich und der Industrie eingebettet (Landesförderung Schleswig-Holstein, AKELOP (Entwicklung einer automatisierten Kryoeinrichtung zur Lagerung organischer Proben)).
In einem weiteren Forschungsbereich liegt der Fokus der Arbeitsgruppe in der Auswertung großer molekularer und klinischer Datensätze aus der onkologischen Forschung.
Neben der Anwendung von Standardverfahren für die Datenanalyse arbeitet die AG ‘Klinisches Biobanking und Bioinformatik’ intensiv an der Erforschung und Optimierung neuartiger Verfahren und an der Implementierung benutzerfreundlicher Software und Auswertepipelines.
Methodische Forschungs-Schwerpunkte sind die Verbesserung der integrativen Auswertung unterschiedlicher, aber aufeinander bezogener Datensätze (multi-Omics-Analysen) und die Anwendung von Verfahren des maschinellen Lernens.