Dokument: Bioinformatics in Allogeneic Stem Cell Transplantation: Microbiome Analysis, Risk Prediction, and Secure Data Transfer

Titel:	Bioinformatics in Allogeneic Stem Cell Transplantation: Microbiome Analysis, Risk Prediction, and Secure Data Transfer
Weiterer Titel:	Bioinformatik im Kontext der Allogenen Stamzelltransplantation: Mikrobiomanalyse, Risikovorhersage und Sicherer Datentransfer
URL für Lesezeichen:	https://docserv.uni-duesseldorf.de/servlets/DocumentServlet?id=73466
URN (NBN):	urn:nbn:de:hbz:061-20260610-100504-5
Kollektion:	Dissertationen
Sprache:	Englisch
Dokumententyp:	Wissenschaftliche Abschlussarbeiten » Dissertation
Medientyp:	Text
Autor:	Spohr, Philipp [Autor]
Dateien:	[Dateien anzeigen] Adobe PDF [Details] 17,14 MB in einer Datei [ZIP-Datei erzeugen] Dateien vom 02.06.2026 / geändert 02.06.2026
Beitragende:	Klau, Gunnar W. [Gutachter] Dilthey, Alexander T. [Gutachter]
Dewey Dezimal-Klassifikation:	000 Informatik, Informationswissenschaft, allgemeine Werke » 004 Datenverarbeitung; Informatik
Beschreibungen:	Die Verfügbarkeit einer zunehmenden Anzahl maschinenverarbeitbarer Datenquellen im klinischen Umfeld ermöglicht bioinformatische Analysen mit dem Ziel, die Qualität von Therapie und Diagnostik zu verbessern und letztlich zu besseren Behandlungsergebnissen für Patientinnen und Patienten zu führen. Die allogene Stammzelltransplantation ist eine essenzielle Behandlungsoption für viele Erkrankungen, insbesondere für maligne Tumoren des hämatopoetischen Systems. In dieser Dissertation präsentieren wir drei Publikationen, die Anwendungen der Bioinformatik im Kontext dieses Verfahrens abdecken: Erstens zeigen wir, dass Nanopore-basiertes Sequenzieren der Darmmikrobiome von Patientinnen und Patienten vor der Transplantation drei unterschiedliche Cluster basierend auf ihrer Zusammensetzung offenbart. Wir zeigen außerdem, dass ein signifikanter Anteil des beobachteten Mikrobioms aus fungalen und viralen Komponenten besteht. Das Vorkommen spezifischer bakterieller Stämme wird während des gesamten Verfahrens innerhalb einzelner Personen verfolgt, wobei in einigen Fällen eine Wiederbesiedlung derselben Spezies durch andere Stämme beobachtet wird. Insgesamt wird der störende Effekt auf das Mikrobiom ganzheitlich erfasst, ermöglicht durch die hohe Auflösung der Sequenzierungstechnologie. Zweitens demonstrieren wir ein Risikoprädiktionssystem, das einen Random-Forest-basierten Ansatz mit zeitreihenbasierten Merkmalen nutzt, und in der Lage ist, Patientinnen und Patienten täglich in niedriges, moderates oder hohes Mortalitätsrisiko zu stratifizieren, wobei die AUROC-Werte ab Tag 17 kontinuierlich über 0,8 liegen. Wir können individuelle Verläufe visualisieren und ihre Risikowerte im klinischen Kontext interpretieren, wodurch ein erklärbares System entsteht, das eine wertvolle Unterstützung für klinische Entscheidungen bietet. Drittens präsentieren wir das „Secure Whole-Genome Transfer System“ (SWGTS), eine Client-Server-Softwarearchitektur, die den datenschutzwahrenden Transfer von DNA-Daten ermöglicht und gleichzeitig Skalierbarkeit über eine Docker-Compose-Architektur bereitstellt. Wir zeigen, dass das System gut auf mehrere gleichzeitig hochladende Clients skalieren kann. Gleichzeitig kann das Re-Identifikationsrisiko kontrolliert werden, um vorgegebenen ethischen oder rechtlichen Anforderungen zu entsprechen, für die wir Richtlinien geben und diskutieren. Die Publikationen werden durch Hintergrundkapitel eingeleitet, die die für ein umfassendes Verständnis der präsentierten Arbeiten erforderlichen Konzepte und Methoden erläutern. Sie werden zudem durch zusätzliche Motivation, eine Darstellung der der Veröffentlichung zugrunde liegenden Forschung, eine erweiterte Diskussion sowie einen Ausblick auf verwandte zukünftige Projekte ergänzt. The availability of an increasing amount of machine-processable data sources in the clin- ical setting is enabling bioinformatics analyses with the goal of improving therapy- and diagnostics quality, leading ultimately to a better outcome for patients. Allogeneic stem cell transplantation is an essential treatment option for many diseases, especially malig- nant tumors of the hematopoietic system. In this thesis, we present three publications, covering applications for bioinformatics in the context of this procedure: First, we show that Nanopore-based sequencing of patients’ gut microbiomes prior to transplantation reveals three distinct clusters based on their composition. We also show that a significant fraction of the observed microbiome consists of fungal and viral com- ponents. The presence of specific bacterial strains is tracked throughout the procedure within individuals, showing a re-population of the same species by other strains in some instances. Overall, the disruptive effect on the microbiome is captured in a holistic way, enabled by the resolution obtained by the sequencing technology. Second, we demonstrate that a risk-prediction system, using a random forest-based approach utilizing time-series based features, is able to provide daily stratification of patients into low, moderate, or high mortality risk, with AUROC scores continuously ex- ceeding 0.8 from day 17. We are able to plot out individual patients’ trajectories and contextualize their risk scores based on the clinical context, providing a system that is explainable and a valuable tool in assisting clinicians in their decision making process. Third, we present the “Secure Whole-Genome Transfer System”, SWGTS, a client- server software architecture that enables the privacy-preserving transfer of DNA data while providing scalability via a docker-compose architecture. We show that the system can scale well to multiple, simultaneously uploading clients. At the same time, the re- identification risk can be controlled to adhere to given ethical or legal requirements for which we give and discuss guidelines. The papers are prefaced with background chapters explaining the concepts and meth- ods required for a substantial understanding of the presented work. They are further expanded with additional motivation, a presentation of the research leading to the pub- lication, extended discussion, and an outline of related future projects.
Lizenz:	Dieses Werk ist lizenziert unter einer Creative Commons Namensnennung 4.0 International Lizenz
Fachbereich / Einrichtung:	Mathematisch- Naturwissenschaftliche Fakultät » WE Informatik » Algorithmische Bioinformatik
Dokument erstellt am:	10.06.2026
Dateien geändert am:	10.06.2026
Promotionsantrag am:	15.10.2025
Datum der Promotion:	07.05.2026