Bioinformatik der Infektionsforschung
Forschungsschwerpunkt
Das primäre Ziel unserer Forschung am CiiM ist die Etablierung datengesteuerter rechnerischer Ansätze, die die individualisierte Infektionsmedizin in der Klinik weiter voranbringen, wie z. B. Methoden, die die relevanten Erreger aus infizierten Patient:innenproben umfassender und schneller identifizieren, als dies mit der heutigen klinischen Routine möglich ist. Zu diesem Zweck arbeiten wir an innovativen Technologien, die sowohl experimentelle als auch computergestützte Analysen mit Hilfe der Hochdurchsatz-Sequenzierung von Patient:innenproben kombinieren. Dieser Ansatz ermöglicht den direkten Nachweis und die Charakterisierung von Krankheitserregern aus komplexen Proben und damit deren schnelle und genaue Identifizierung. Darüber hinaus sind wir daran interessiert, die Wechselwirkungen zwischen Erreger und Wirt zu untersuchen, ihre antimikrobiellen Resistenzen und Virulenzfaktoren zu charakterisieren und die Dynamik mikrobieller Gemeinschaften im Zusammenhang mit der Entwicklung von Infektionskrankheiten zu erforschen.
Forschungsschwerpunkt
Das primäre Ziel unserer Forschung am CiiM ist die Etablierung datengesteuerter rechnerischer Ansätze, die die individualisierte Infektionsmedizin in der Klinik weiter voranbringen, wie z. B. Methoden, die die relevanten Erreger aus infizierten Patient:innenproben umfassender und schneller identifizieren, als dies mit der heutigen klinischen Routine möglich ist. Zu diesem Zweck arbeiten wir an innovativen Technologien, die sowohl experimentelle als auch computergestützte Analysen mit Hilfe der Hochdurchsatz-Sequenzierung von Patient:innenproben kombinieren. Dieser Ansatz ermöglicht den direkten Nachweis und die Charakterisierung von Krankheitserregern aus komplexen Proben und damit deren schnelle und genaue Identifizierung. Darüber hinaus sind wir daran interessiert, die Wechselwirkungen zwischen Erreger und Wirt zu untersuchen, ihre antimikrobiellen Resistenzen und Virulenzfaktoren zu charakterisieren und die Dynamik mikrobieller Gemeinschaften im Zusammenhang mit der Entwicklung von Infektionskrankheiten zu erforschen.
Alice McHardy leitet seit 2014 die Abteilung "Bioinformatik der Infektionsforschung" am Helmholtz-Zentrum für Infektionsforschung (HZI) und ist Professorin in der Carl-Friedrich-Gauß-Abteilung und im Fachbereich Biowissenschaften der Technischen Universität Braunschweig, Deutschland.
Alice Carolyn McHardy hat ein Diplom in Biochemie und einen Doktortitel (Dr. rer. nat) in Bioinformatik, beide von der Universität Bielefeld in Deutschland. Von 2005 bis 2007 war sie zunächst Postdoc und dann ständige Mitarbeiterin in der Bioinformatics and Pattern Discovery Group am IBM T.J. Watson Research Center in Yorktown Heights, USA.
Von 2007 bis 2012 leitete sie die unabhängige Forschungsgruppe für Computational Genomics und Epidemiologie am Max-Planck-Institut für Informatik in Saarbrücken. Im Jahr 2010 wurde sie auf den Lehrstuhl für Algorithmische Bioinformatik an der Heinrich-Heine-Universität Düsseldorf berufen.
Alice McHardy wird seit 2020 von Clarivate als "Highly Cited Researcher" ausgezeichnet und ist Mitorganisatorin der CAMI, der Initiative für die kritische Bewertung der Metagenom-Interpretation, einer gemeinschaftsgetriebenen Initiative, die die Etablierung von Best Practices in der computergestützten Metagenomik durch die Organisation von Benchmarking-Herausforderungen für das Feld fördert.
Forschungsprojekte
Umfassender mikrobieller Erregernachweis bei Leberzirrhose-Patienten mit Infektionsverdacht
Unser Projekt konzentriert sich auf die Nutzung von Metagenomik für die Analyse von Aszitesproben, die von Patient:innen mit Leberzirrhose stammen. In Zusammenarbeit mit Prof. Markus Cornberg und Prof. Ben Maassoumy (Klinik für Gastroenterologie, Hepatologie und Endokrinologie der Medizinischen Hochschule Hannover) nutzen wir die Möglichkeiten der Metagenomsequenzierung, um potenzielle Krankheitserreger in der Aszitesflüssigkeit nachzuweisen und zu charakterisieren. Durch den Einsatz modernster Sequenzierungstechnologien können wir hochauflösende Daten erhalten und fortschrittliche Bioinformatik-Tools anwenden, um das Mikrobiom aus infizierten Patient:innenproben genau zu identifizieren und zu charakterisieren. Dieses Forschungsprojekt wird nicht nur unser Verständnis der Rolle der Mikrobiota und der Krankheitserreger bei Zirrhose-Patient:innen mit Verdacht auf Infektionen verbessern, sondern auch den Weg für eine verbesserte Diagnostik und therapeutische Interventionen bei diesen Patient:innen ebnen.
Publikationen
1. Meyer, F., Fritz, A., Deng, Z.L., Koslicki, D., Lesker, T.R., Gurevich, A., Robertson, G., Alser, M., Antipov, D., Beghini, F.,…, McHardy, A.C., et al. (2022). Critical Assessment of Metagenome Interpretation: the second round of challenges. Nat Methods 19, 429-440. 10.1038/s41592-022-01431-4 Critical Assessment of Metagenome Interpretation: the second round of challenges | Nature Methods
2. Fritz, A., Bremges, A., Deng, Z.L., Lesker, T.R., Götting, J., Ganzenmueller, T., Sczyrba, A., Dilthey, A., Klawonn, F., and McHardy, A.C. (2021). Haploflow: strain-resolved de novo assembly of viral genomes. Genome Biol 22, 212. 10.1186/s13059-021-02426-8 Haploflow: strain-resolved de novo assembly of viral genomes | Genome Biology | Full Text (biomedcentral.com)
3. Khaledi, A., Weimann, A., Schniederjans, M., Asgari, E., Kuo, T.H., Oliver, A., Cabot, G., Kola, A., Gastmeier, P., Hogardt, M., McHardy, A.C., Häussler, S., et al. (2020).Predicting antimicrobial resistance in Pseudomonas aeruginosa with machine learning-enabled molecular diagnostics . EMBO Mol Med 12, e10264. 10.15252/emmm.201910264 Predicting antimicrobial resistance in Pseudomonas aeruginosa with machine learning‐enabled molecular diagnostics | EMBO Molecular Medicine (embopress.org)
4. Sczyrba, A., Hofmann, P., Belmann, P., Koslicki, D., Janssen, S., Dröge, J., Gregor, I., Majda, S., Fiedler, J., Dahms, E.,…, McHardy, A.C. (2017). Critical Assessment of Metagenome Interpretation-a benchmark of metagenomics software. Nat Methods 14, 1063-1071. 10.1038/nmeth.4458 Critical Assessment of Metagenome Interpretation—a benchmark of metagenomics software | Nature Methods
Weitere Informationen
Für weitere Informationen zu Projekten, offenen Stellen oder Kooperationsanfragen von Kliniker:innen wenden Sie sich bitte an Alice McHardy.