Quantifizierung der angeborenen Immunantwort im Vollblutinfektionsmodell

Sepsis – d.h. eine schwere Infektion verbunden mit Organdysfunktionen – ist ein verbreitetes und tödliches Syndrom. Trotz der Verfügbarkeit von Daten zellulärer und molekularer Prozesse, die mit einer systemischen Entzündung verbunden sind, wurden bisher nur geringe Fortschritte im Bereich der pharmakologischen Modulation entzündlicher Fehlregulationen erzielt. Ein Grund dafür ist die Heterogenität dieses klinischen Syndroms in Folge der unterschiedlichen pathologischen Zustände und der variablen Krankheitsverläufe individueller Patienten. Daher ist es von zentraler Bedeutung, Werkzeuge zu entwickeln, welche eine Kategorisierung von Sepsis-Patienten ermöglichen und die Wirkung individueller therapeutischer Interventionen vorhersagen. Im Rahmen des QUANTIM Projektes wird ein humanes Vollblut-Infektionsmodell mit mathematischer Modellierung kombiniert, um die dynamische und globale Organisation der angeborenen Immunantwort auf eine Infektion zu quantifizieren. Blutproben von gesunden Probanden werden für verschiedene Krankheitserreger untersucht, um eine vergleichende Analyse regulatorischer Netzwerke von Entzündung und Erregereliminierung anzustellen. Diese Daten werden mit Analysen klinischer Proben von Sepsis-Patienten und Patienten, die trotz ungünstiger Prognose Sepsis überlebt haben, verglichen werden. Das Hauptziel des Projektes ist es, Muster von Fehlregulationen zu identifizieren, die spezifisch für Patientengruppen mit definierten Krankheitsbildern und für post-Sepsis-Patienten mit immunologischen Veränderungen sind. Zu diesem Zweck wird Wissen über den klinischen Verlauf von Patienten, welches von unseren Partnern innerhalb des Integrierten Forschungs- und Behandlungszentrum „Sepsis und Sepsisfolgen“ (Center for Sepsis Control and Care, kurz: CSCC) generiert wird, integriert werden. Die Entwicklung funktioneller Klassifizierer wird die Differenzierung von Sepsis-Patienten ermöglichen und die Grundlage für die künftige Patientenstratifikation bilden.