000352167 001__ 352167
000352167 005__ 20260303173302.0
000352167 0247_ $$aG:(GEPRIS)547107463$$d547107463
000352167 035__ $$aG:(GEPRIS)547107463
000352167 040__ $$aGEPRIS$$chttp://gepris.its.kfa-juelich.de
000352167 150__ $$aIdentifizierung molekularer Mediatoren von makro- und mikrovaskulären Komplikationen von Typ 2 Diabetes durch Integration von großen genetischen, proteomischen und metabolomischen Datensätzen$$y2024 -
000352167 371__ $$aDr. Kamil Demircan
000352167 450__ $$aDFG project G:(GEPRIS)547107463$$wd$$y2024 -
000352167 5101_ $$0I:(DE-588b)2007744-0$$aDeutsche Forschungsgemeinschaft$$bDFG
000352167 680__ $$aDie Auswirkungen von Typ 2 Diabetes (T2D) gehen über einen erhöhten Blutzuckerspiegel hinaus und führen zu einer weitreichenden Schädigung lebenswichtiger Organe, insbesondere zu makro- und mikrovaskulären Komplikationen. Jüngste groß angelegte genetische Studien haben unser Verständnis der Krankheitsentstehung verbessert, jedoch sind die molekularen Mediatoren von T2D-Komplikationen, die zum vorzeitigen Tod führen, unzureichend verstanden. Darüber hinaus ist es nach wie vor schwierig, Patient*Innen mit hohem Komplikationsrisiko zu identifizieren, die von einer intensivierten Therapie profitieren könnten. In diesem Projekt möchten wir 1) groß angelegte genetische Datensätze mit elektronischen Gesundheitsakten (eGA) verknüpfen, um molekulare Mediatoren von Komplikationen hoher Priorität bei T2D Patient*Innen zu untersuchen. Zusätzlich möchten wir 2) klinisch zugängliche, sowie Omics-Daten integrieren, um prognostische Modelle für T2D-Patient*Innen zu erstellen. Zur Bearbeitung des ersten Ziels möchten wir genomweite Assoziationsstudien für T2D-Komplikationen unter Verwendung von bereits erhobenen und im Gastgeberinstitut zugänglichen genetischen Datensätzen aus vier populationsbasierten Studien durchführen, die mehr als eine Million Individuen umfassen. Durch die Integration von Techniken, die in der Gruppe von Prof. Langenberg etabliert wurden, wie z. B. funktionelle Annotationen, Genzuweisungspipelines und molekulare Quantitative Trait Loci, werden die identifizierten Loci den Effektorgenen zugewiesen. Diese Gene können dann in Pathwayanalysen eingebaut und mit pharmakologischen Targets überlagert werden. Des Weiteren schlagen wir für dieses Arbeitspaket eine zusätzliche/alternative Strategie zur Identifizierung von Biomarkern im Blut vor, die kausal an der T2D-Komplikationsbeziehung beteiligt sind, nämlich die Durchführung von Proteom- und Metabolomweiten Mendelschen Randomisierungsstudien. Dabei haben wir die Möglichkeit, genetische Instrumente aus der aktuell größten Datenbank zu verwenden, die von Prof. Langenberg vor der Veröffentlichung zugänglich gemacht werden. Für das zweite Ziel möchten wir, basierend auf meiner intensiven Vorerfahrung zu Prognostischen Analysen, anhand leicht zugänglicher klinischer Daten in diesen Kohorten prognostische Modelle erstellen, die zur Überwachung künftiger Komplikationen verwendet werden können. Ergänzend dazu werden wir testen, ob die Addition von Metabolom- und Proteomdaten den prädiktiven Wert maßgeblich erhöhen kann. Schließlich wird mit Hilfe von Subgruppen- und Interaktionsanalysen geprüft, ob sich die prognostischen Marker in verschiedenen Subpopulationen unterscheiden.
000352167 909CO $$ooai:juser.fz-juelich.de:1029898$$pauthority$$pauthority:GRANT
000352167 909CO $$ooai:juser.fz-juelich.de:1029898
000352167 980__ $$aG
000352167 980__ $$aAUTHORITY