Dokument: Automatisierung bioinformatischer Analysen von sFIDA-generierten Bilddaten zur Diagnose von Proteinfehlfaltungserkrankungen
| Titel: | Automatisierung bioinformatischer Analysen von sFIDA-generierten Bilddaten zur Diagnose von Proteinfehlfaltungserkrankungen | |||||||
| Weiterer Titel: | Automation of bioinformatic analyses of sFIDA-generated image data for the diagnosis of protein misfolding diseases | |||||||
| URL für Lesezeichen: | https://docserv.uni-duesseldorf.de/servlets/DocumentServlet?id=71189 | |||||||
| URN (NBN): | urn:nbn:de:hbz:061-20251113-125440-8 | |||||||
| Kollektion: | Dissertationen | |||||||
| Sprache: | Deutsch | |||||||
| Dokumententyp: | Wissenschaftliche Abschlussarbeiten » Dissertation | |||||||
| Medientyp: | Text | |||||||
| Autor: | Rehn, Fabian [Autor] | |||||||
| Dateien: |
| |||||||
| Beitragende: | Prof. Dr. Willbold, Dieter [Gutachter] Prof. Dr. Heise, Henrike [Gutachter] Prof. Dr. Bayer, Peter [Gutachter] | |||||||
| Dewey Dezimal-Klassifikation: | 500 Naturwissenschaften und Mathematik » 570 Biowissenschaften; Biologie | |||||||
| Beschreibungen: | Das Risiko, an einer Proteinfehlfaltungserkrankung wie der Alzheimer-Krankheit oder dem Typ-2-Diabetes zu erkranken, steigt mit zunehmendem Alter. Infolge der steigenden Lebenserwartung nehmen daher auch die Fallzahlen kontinuierlich zu, was die Gesundheitssysteme vor erhebliche finanzielle Herausforderungen stellt. Charakteristisch für diese Erkrankungen ist die Aggregation verschiedener Peptide und Proteine zu Oligomeren, Fibrillen und Plaques, die aufgrund ihrer toxischen Eigenschaften eine zentrale Rolle in der Pathologie einnehmen. Die löslichen Oligomere gelten dabei als die toxischste Spezies, weshalb eine möglichst genaue Quantifizierung essenziell ist, um die Krankheitsmechanismen genauer zu verstehen und gezielt Wirkstoffe zu entwickeln. Die Quantifizierung stellt jedoch eine erhebliche Herausforderung dar, da die eingesetzte Methode hochsensitiv für Oligomere, aber gleichzeitig unempfindlich gegenüber den chemisch identischen Monomeren sein muss. Eine Technologie, welche diesen Anforderungen gerecht wird, ist die sFIDA-Technologie (englisch: surface-based fluorescence intensity distribution analysis). Ziel der vorliegenden Dissertation war es, die Messgenauigkeit und Präzision der sFIDA-Technologie durch die Entwicklung neuer Methoden zu steigern sowie den Automatisierungsgrad zu erhöhen. Durch die Kombination der sFIDA-Technologie mit den entwickelten Methoden sowie etablierten Ansätzen aus dem Data-Science-Bereich sollten zudem neue Erkenntnisse zur Pathologie verschiedener Proteinfehlfaltungserkrankungen gewonnen werden. Durch die Entwicklung einer Methode zur post-hoc-Reduktion falsch-positiver Signale konnte die Präzision und Genauigkeit der sFIDA-Technologie in einem ersten Schritt gesteigert werden. Die Analyse mehrerer Studien, in denen die sFIDA-Technologie Anwendung fand, untermauerte den explorativen, diagnostischen sowie pharmakologischen Nutzen der Technologie. So konnte beispielsweise gezeigt werden, dass die Aβ-Oligomer-Level bereits früh im Verlauf der Alzheimer-Krankheit wieder abfallen, was das therapeutische Zeitfenster für oligomer-auflösende Wirkstoffe begrenzt. Um dieses Potenzial zu nutzen sowie die Effizienz und Anwendbarkeit der sFIDA-Technologie zu optimieren, wurden verschiedene Automatisierungsmethoden entwickelt. Dazu gehörten ein Verfahren zur automatischen Bestimmung eines Grenzwerts zur Trennung von Hintergrundrauschen und Signal sowie die Entwicklung einer automatischen Artefaktdetektion. Da nun alle Komponenten für eine vollständige Automatisierung des Analyseprozesses etabliert sind, erscheint die vollständige Automatisierung der sFIDA-Technologie als ein vielversprechender nächster Schritt.The risk of developing a protein misfolding disease, such as Alzheimer's disease or type 2 diabetes, increases with age. As life expectancy continues to rise, the number of cases is also steadily increasing, creating major financial challenges for healthcare systems. A characteristic feature of these diseases is the aggregation of various peptides and proteins into oligomers, fibrils, and plaques, which play a central role in pathology due to their toxic properties. Soluble oligomers are considered the most toxic species, making their precise quantification essential for a better understanding of disease mechanisms and the targeted development of therapeutics. However, quantification presents a considerable challenge, as the applied method must be highly sensitive to oligomers while remaining insensitive to chemically identical monomers. A technology that meets these requirements is the sFIDA technology (surface-based fluorescence intensity distribution analysis). The objective of this dissertation was to enhance the measurement accuracy and precision of the sFIDA technology by developing new methods and increasing the degree of automation. By combining the sFIDA technology with the developed methods as well as established approaches from the field of data science, new insights into the pathology of various protein misfolding diseases were also to be gained. In an initial step, the development of a method for post-hoc reduction of false-positive signals improved the precision and accuracy of the sFIDA technology. The analysis of multiple studies in which the sFIDA technology was applied further substantiated its exploratory, diagnostic, and pharmacological utility. For instance, it was demonstrated that Aβ oligomer levels decrease again early in the course of Alzheimer's disease, thereby limiting the therapeutic window for oligomer dissolving drugs. To harness this potential and optimize the efficiency and applicability of the sFIDA technology, various automation methods were developed. These included a procedure for the automatic determination of a threshold to distinguish background noise from signal, as well as the development of an automatic artifact detection algorithm. Since all components necessary for a fully automated analysis process have now been established, the complete automation of the sFIDA technology appears to be a promising next step. | |||||||
| Lizenz: |  Dieses Werk ist lizenziert unter einer Creative Commons Namensnennung 4.0 International Lizenz | |||||||
| Fachbereich / Einrichtung: | Mathematisch- Naturwissenschaftliche Fakultät » WE Biologie » Physikalische Biologie | |||||||
| Dokument erstellt am: | 13.11.2025 | |||||||
| Dateien geändert am: | 13.11.2025 | |||||||
| Promotionsantrag am: | 05.03.2025 | |||||||
| Datum der Promotion: | 29.09.2025 |
