Header Navigation

Autoimmunerkrankungen der Niere, sogenannte Glomerulonephritiden (GNs), sind eine häufige Ursache für eine chronische Nierenerkrankung (CKD). Diese Erkrankungen betreffen dabei vor allem junge Patient:innen und zeigen häufig einen besonders aggressiven Verlauf mit raschem Verlust der Nierenfunktion. GNs sind verantwortlich für ca. 1/6 der 80.000 neuen Dialysepatient:innen jährlich in der EU. Autoantikörper spielen bei vielen dieser Erkrankungen eine pathogene Rolle.

Die Arbeitsgruppe verfolgt das Ziel, das Imaging von Immunantworten in die klinische Praxis zu übertragen. Gliome sind maligne Hirntumore, die gegen den Tumor gerichtete Immunantworten aktiv unterdrücken. Die Visualisierung von immunologischen Effektorzellen ist bislang in der Klinik nicht möglich. Dies wäre jedoch wichtig, um neurologische Erkrankungen und Hirntumore besser zu verstehen. Aktuell werden neue Therapie Konzepte entwickelt, die das immunologische Tumormikromilieu modulieren. Diese neuen Therapien erfordern zum Therapiemonitoring auch eine Weiterentwicklung der Bildgebung.

Bis 2035 könnte Adipositas bis zu 50% der globalen Bevölkerung betreffen, insbesondere Frauen sind dabei von einer Zunahme kardiometabolischer Erkrankungen bedroht. Aktuelle Behandlungsansätze stoßen hier an ihre Grenzen, da sie die Vielfalt in der Entwicklung und Manifestation dieser Krankheiten nicht erfassen. Dr. Chakarouns Forschung mit Multi-Omics-Technologien untersucht, wie das Mikrobiom – unser größtes endokrines Organ – zur Heterogenität dieser Krankheiten und deren geschlechtsspezifischen Unterschieden beiträgt.

Gliome sind die häufigsten Hirntumore bei Kindern und Jugendlichen, und können harmlos sein oder trotz intensiver Therapie lebensbedrohlich. Bisher wird über ihre Behandlung oft anhand von Symptomen und Bildgebung entschieden, obwohl Veränderungen des Erbguts der Tumorzellen wertvolle Hinweise auf die Tumorbiologie liefern. Im Rahmen des Projekts wird untersucht, wie Merkmale des Tumorerbguts von Gliomen genutzt werden können, um den Krankheitsverlauf genauer vorherzusagen und die Behandlung besser auf den individuellen Tumor abzustimmen.

*bei invasiv beatmeten Patienten auf der Intensivstation

Das Projekt zielt darauf ab, die Entwicklung von niedriggradigen Gliomen, den häufigsten Gehirntumoren bei Kindern, besser zu verstehen. Trotz ihrer meist geringeren Aggressivität sind diese Tumoren sehr unterschiedlich und schwierig zu behandeln, was häufig zu Rückfällen und langfristigen Komplikationen führt. Durch die innovative Technologie der Einzelzellsequenzierung soll untersucht werden, wie sich diese Tumoren im Laufe der Zeit verändern, insbesondere im Hinblick auf die Reaktion auf Behandlungen.

Diffuse Mittelliniengliome gehören zu den aggressivsten Hirntumoren, da sie oft nur unzureichend auf gängige Behandlungsmethoden wie Strahlen- und Chemotherapie ansprechen. Andererseits können diffuse Mittelliniengliome aufgrund bestimmter Tumorzelleigenschaften prinzipiell vom menschlichen Immunsystem erkannt und bekämpft werden.

Immuncheckpoints sind Rezeptoren, die die immunologische Eigentoleranz modulieren. Diese neue Klasse von Therapeutika hat die Immun-Onkologie bereits revolutioniert. Inzwischen ist jedoch bekannt, dass eine Immuncheckpoint-Therapie auch bei kardiovaskuläre Erkrankungen vielversprechende Ergebnisse aufweist. Dies steht im Einklang mit der „Entzündungshypothese der Atherosklerose“. Das hier beschriebene Versuchsvorhaben untersucht das translationale Potential einer Immuncheckpoint-Modulation bei kardiovaskulären Erkrankungen.

Klonale Hämatopoese unbestimmten Potenzials (CHIP) ist ein bedeutendes altersbedingtes Phänomen und Risikofaktor für hämatologische und nicht-hämatologische Erkrankungen. Trotz etablierter Risikostratifizierungssysteme sind viele Faktoren zu Entstehung und Verlauf von CHIP noch unklar, weshalb die CHIP Clinic TUM und das Deutsche CHIP Register e. V. gegründet wurden. Ziel dieses Projekts ist es, durch erhebliche CHIP Kohortenerweiterung und prospektive, deutschlandweite Datensammlung neue Erkenntnisse zur klonalen Dynamik und Risikofaktoren zu gewinnen.

Dieses Projekt nutzt Künstliche Intelligenz (KI), um MRT-Bilder der Muskulatur auszuwerten. Ziel ist es, den Zusammenhang zwischen Muskelgesundheit und dem Risiko für Herz-Kreislauf-Erkrankungen, Stoffwechselstörungen und chronischen Rückenschmerzen zu erforschen. Durch die Analyse von Muskelmasse und -qualität, insbesondere des Fettgehalts, sollen neue Biomarker entdeckt werden. Diese könnten in Zukunft eine bessere Vorsorge und Früherkennung ermöglichen. Das Projekt kombiniert hierfür Daten von großen Studien mit innovativen Methoden der KI-Bildanalyse.