Systemmedizinisches Forschungsnetz zur Früherkennung und Prävention von Leberkrebs LiSyM-Krebs - Konsortialprojekt: Detaillierte Analyse der räumlichen Organisation der Entstehung des hepatozellulären Karzinoms (DEEP-HCC), Teilprojekt J

Abstract

Im LiSyM-Cancer-Netzwerk haben Molekular- und Zellbiologen, klinische Forscher und Experten für mathematische Modellierung gemeinsam untersucht, wie Leberkrebs aus Vorerkrankungen wie nichtalkoholischer Fettleber oder Leberzirrhose entsteht. Ziel des gemeinsamen Projekts war es, relevante Biomarker zu identifizieren, um Leberzellkarzinome (HCC) frühzeitig zu diagnostizieren und zu verhindern. LiSyM-Cancer umfasst drei Konsortien – SMART-NAFLD, C-TIP-HCC und DEEP-HCC – sowie das Projekt- und Datenmanagement. Das Projekt verfolgte einen integrativen systembiologischen Ansatz, bei dem die Kommunikation, der Stoffwechsel und die Signalübertragung von Leberzellen sowie die Dynamik der verschiedenen Leberzellpopulationen und die Zusammensetzung der extrazellulären Matrix untersucht wurden. Dazu wurden multi- und räumliche OMICS- und Bildgebungsverfahren eingesetzt. Auf der Grundlage quantitativer Daten haben Mathematiker und Bioinformatiker Modelle entwickelt, die eine frühzeitige Erkennung von Veränderungen ermöglichten, welche die Entstehung von Leberkrebs begünstigen. Das Konsortium DEEP-HCC hat sich auf Leberkrebs im Frühstadium konzentriert und dabei eine tiefgehende multidimensionale funktionale und räumliche Charakterisierung angestrebt, die von Gewebe bis zur einzelnen Zelle reicht. Es wurde ein umfassender Datensatz erstellt, der aus einer digitalen 3D-Geweberekonstruktion, räumlicher Transkriptomik, Epigenetik, Lipidomik, pseudotemporal geordneten somatischen Mutationen und personalisierten komplexen Leberkrebs-Organoiden besteht. Das vorliegende Teilprojekt hatte zum Ziel, Sequenzdaten zu somatischen Veränderungen im nicht-malignen Lebergewebe sowie in den korrespondierenden HCC-Tumoren zu generieren sowie das Transkriptom mittels RNA-Sequenzierung zu charakterisieren (Teilprojekt E1). Im Teilprojekt M1 wurden diese Daten bioinformatisch analysiert mit dem Ziel, frühe genetische Läsionen zu detektieren, die dann als Biomarker für die Detektion von HCC getestet und validiert werden sollten.