Navigation und Service

Zielgruppeneinstiege

Hinweis zur Verwendung von Cookies

Cookies erleichtern die Bereitstellung unserer Dienste. Mit der Nutzung unserer Dienste erklären Sie sich damit einverstanden, dass wir Cookies verwenden. Weitere Informationen zum Datenschutz erhalten Sie über den folgenden Link: Datenschutz

OK

Projektgruppe 5: Systemmedizin von Infektionskrankheiten

Leitung:
Max von Kleist
Stellvertretung:
Maureen Smith

Aufgaben

Die „Systemmedizin von Infektionskrankheiten“ zielt darauf ab Infektions- und Transmissionsmechanismen, sowie evolutionäre Dynamiken besser zu verstehen und mit Hilfe von Methoden aus dem Bereich Data Science und mathematischer Modellierung zu beschreiben. Dies dient sowohl dazu Grundlagenwissen zu schaffen, als auch um Präventions-, Behandlungs- und Surveillance-Strategien besser bewerten zu können. Unsere Arbeit erstreckt sich dabei von der mathematischen Formulierung der Fragestellung über die Entwicklung bzw. Adaptierung von Algorithmen, der Evaluierung auf biomedizinischen Daten bis hin zur Implementierung und Veröffentlichung von Open-Source-Software.

Infektionsgeschehen finden auf unterschiedlichen Ebenen statt – von den Molekülen über die Zellen, bis hin zum Organismus und dem sozialen Umfelds über das ein Erreger verbreitet wird. Zudem verändert sich die Gemengelage ständig. Beispielsweise entwickelt sich der Erreger durch Evolution weiter, oder das soziale Umfeld in dem sich der Erreger verbreitet wird durch ein geändertes Kontaktverhalten beeinträchtigt.

Die Projektgruppe zielt darauf ab diese komplexen Einflüsse und ihre Interaktionen mit Hilfe mathematischer Methoden zu erfassen, und letztlich konkrete Handlungsempfehlungen abzuleiten. Dies umfasst sowohl „bottom-up“, als auch „top-down“ Ansätze. Ein Beispiel für einen „bottom-up“ Ansatz ist eine auf dem Wissen über die Dynamik eines Infektionsprozesses gestütztes Modell, dass Vorhersagen über die Effizienz eines Medikaments in der Infektionsprävention macht. Ein Beispiel für einen „top-down“ Ansatz ist die Schätzung einer Infektions-Inzidenz, basierend auf der Geschwindigkeit mit der sich ein Erregergenom auf Populationsebene verändert.

Bei beiden Ansätzen werden sowohl molekularbiologische „Omics“ Daten, als auch klinische und epidemiologische Parameter berücksichtigt und miteinander verknüpft. Die Projektgruppe „Systemmedizin von Infektionskrankheiten“ soll daher eine Brückenfunktion zwischen der molekularbiologischen & epidemiologischen Forschung, der Bioinformatik und Datenwissenschaften, sowie der künstlichen Intelligenz einnehmen. Die Projektgruppe ergänzt die bestehenden Kompetenzen am RKI und vernetzt sie noch stärker, um einen bestmöglichen Schutz vor Infektionen zu gewährleisten.

Methoden:

  • Mathematischen Modellierung & Simulation.
  • Biomedizinische Datenwissenschaften, Statistik, Optimierung & künstliche Intelligenz
  • Methodenentwicklung in oben genannten Bereichen.
  • Softwareentwicklung

Die Abbildung stellt das Zusammenwirken der evolutionären Dynamik eines Erregers im Individuum mit der medikamentösen Behandlung der Infektion dar. Erläuterung der Abbildung erfolgt im nächsten Absatz. Quelle: RKI Die Abbildung stellt das Zusammenwirken der evolutionären Dynamik eines Erregers im Individuum mit der medikamentösen Behandlung der Infektion dar. Erläuterung der Abbildung erfolgt im nächsten Absatz. Quelle: RKI

Oben links: Die Phänotypen (=Eigenschaften) verschiedener Erreger-Varianten hängen von der medikamentösen Behandlung ab. In dem Beispiel können sich bestimmte Varianten (schwarze Punkte) bei Behandlung mit Medikament 1 (treatment 1) weiterhin ausreichend vermehren, um die Erregerpopulation zu erhalten (sie sind resistent). Alle anderen Varianten verschwinden mit der Zeit. Bei Behandlung mit Medikament 2 sind es andere Varianten, die sich durchsetzen können (rote Punkte). Oben rechts: Aufgrund der evolutionären Distanz ist es nicht klar, ob eine resistente Variante entstehen kann, bevor die Erregerpopulation zusammenbricht. Unten links: Populationsdynamik des Erregers in der infizierten Person nach Behandlungsbeginn. In diesem Fall entsteht zufällig eine resistente Variante, die sich ab Tag 120 durchsetzt. Unten rechts: Durch eine geschickte Therapiewahl wird die Erregerpopulation klein gehalten und die resistente Variante kann sich nicht durchsetzen, bzw. wird eliminiert.

Offene Stellen

Offene Stellen sind über die Stellenausschreibungen des Robert Koch-Instituts verfügbar.
Für Projekte im Rahmen von Praktika, Bachelor-, Master- oder Diplomarbeiten suchen wir immer engagierte und hoch motivierte Studenten. Für diese und andere Anfragen wenden Sie sich direkt an den Gruppenleiter.

Software

Die Integration der entwickelten Verfahren in frei verfügbare Software ist ein wichtiges Ziel unserer Gruppe. Software ist auf http://www.disease-control.org verlinkt.

Publikationen

Weiter unten auf dieser Seite sind ausgewählte Veröffentlichungen aufgelistet. Eine umfassende Liste von aktuellen Publikationen ist unter http://www.disease-control.org/publications/ verfügbar.

Stand: 07.02.2022

Ausgewählte Publikationen

  • Smyth R, Ye L, Gribling AS, Bohn P, Kibe A, Börtlein Ch, Uddav A, Shazeb A, Olguin-Nava M, Smith M, Caliskan N, von Kleist M (2021): Short and long-range interactions in the HIV-1 5’UTR regulate genome dimerization and Pr55 Gag binding. Article. Posted Date: December 10th, 2021.
    Nature Molecular and Structural Biology (accepted, preprint): 2-48. mehr

  • Smith MR, Trofimova M, Weber A, Duport Y, Kühnert D, von Kleist M (2021): Rapid incidence estimation from SARS-CoV-2 genomes reveals decreased case detection in Europe during summer 2020.
    Nat. Commun. 12 (1): 6009. Epub Oct 14. doi: 10.1038/s41467-021-26267-y. mehr

  • Zhang L, Wang J, von Kleist M (2021): Numerical approaches for the rapid analysis of prophylactic efficacy against HIV with arbitrary drug-dosing schemes.
    PLoS Comput. Biol. 17 (12): e1009295. Epub Dec 23. doi: 10.1371/journal.pcbi.1009295. mehr

  • van der Toorn W, Oh DY, Bourquain D, Michel J, Krause E, Nitsche A, von Kleist M; working group on SARS-CoV-2 Diagnostics at RKI (Beermann S, Böttcher S, Dorner BG, Dürrwald R, von Kleist M, Kleymann-Hilmes J, Kröger S, Mielke M, Nitsche A, Oh DY, Seifried J, Voigt S, Wolff T) (2021): An intra-host SARS-CoV-2 dynamics model to assess testing and quarantine strategies for incoming travelers, contact person management and de-isolation.
    Patterns (NY) 2 (6): 100262. Epub Apr 20. doi: 10.1016/j.patter.2021.100262. mehr

  • Duwal S, Dickinson L, Khoo S, von Kleist M (2019): Mechanistic framework predicts drug-class specific utility of antiretrovirals for HIV prophylaxis.
    PLoS Comput. Biol. 15 (1): e1006740. Epub Jan 30. doi: 10.1371/journal.pcbi.1006740. mehr

  • Smyth RP, Smith MR, Jousset AC, Despons L, Laumond G, Decoville Th, Cattenoz P, Moog Ch, Jossinet F, Mougel M, Paillart J-Ch, von Kleist M, Marquet R (2018): In cell mutational interference mapping experiment (in cell MIME) identifies the 5′ polyadenylation signal as a dual regulator of HIV-1 genomic RNA production and packaging.
    Nucleic Acids Res. 46 (9, 18 May 2018): e57, doi: 10.1093/nar/gky152. mehr

  • Yousef KP, Meixenberger K, Smith MR, Somogyi S, Gromöller S, Schmidt D, Gunsenheimer-Bartmeyer B, Hamouda O, Kücherer C, von Kleist M (2016): Inferring HIV-1 transmission dynamics in Germany from recently transmitted viruses
    J. Acquir. Immune Defic. Syndr. 73 (3): 356-363. Epub Jul 5. doi: 10.1097/QAI.0000000000001122. mehr

  • Smyth RP, Despons L, Huili G, Bernacchi S, Hijnen M, Mak J, Jossinet F, Weixi L, Paillart J-Ch, von Kleist M, Marquet R (2015): Mutational interference mapping experiment (MIME) for studying RNA structure and function.
    Nat Methods Sep; 12 (9): 866-72. doi: 10.1038/nmeth.3490. Epub 2015 Aug 3. mehr

Zusatzinformationen

Gesundheitsmonitoring

In­fek­ti­ons­schutz

Forschung

Kom­mis­sio­nen

Ser­vice

Das Robert Koch-Institut ist ein Bundesinstitut im Geschäftsbereich des Bundesministeriums für Gesundheit

© Robert Koch-Institut

Alle Rechte vorbehalten, soweit nicht ausdrücklich anders vermerkt.