Pathomechanismen und Signaturen im Langzeitverlauf der Psychose

13.01.2015

Portrait Thomas G. Schulze

Prof. Dr. Thomas G. Schulze
Institut für Psychiatrische
Phänomik & Genomik

LMU München, Nußbaumstr. 7
D-80336 München
Fon: 089 - 4400-55568
E-Mail: Mail an Schulze

Portrai Peter Falkai

Prof. Dr. Peter Falkai
Klinik für Psychiatrie
und Psychotherapie

LMU München, Nußbaumstr. 7
D-80336 München
Fon: 089 - 4400-55501
E-Mail: Mail an Falkai

Portrait André Fischer

Prof. Dr. Andre Fischer
European Neuroscience Institute
UMG Göttingen, Grisebachstr. 5
D-37077 Göttingen
Fon: 0551 - 39-10378
E-Mail: Mail an Fischer


Portrait Nikolaos Koutsouleris

Prof. Dr. Nikolaos Koutsouleris
Klinik für Psychiatrie
und Psychotherapie

LMU München, Nußbaumstr. 7
D-80336 München
Fon: 089 - 4400-55885
E-Mail: Mail an Koutsouleris

Komplexe klinische, neurobiologische und molekulare Signaturen des longitudinalen Psychoseverlaufs: ein multimodaler Ansatz unter Verwendung von umfassender Phänotypcharakterisierung, neuer Machine-Learning-Verfahren und (epi)genomischer Ansätze

Dieses Folgeprojekt der Klinischen Forschergruppe 241 (KFO 241) konzentriert sich auf die Identifikation klinischer, neurobiologischer und molekuragenetischer Signaturen des Verlaufs schwerer psychischer Erkrankungen. Zwecks verbesserter Darstellung der ätiologischen Überlappung zwischen psychiatrischen Phänotypen erstreckt sich der ursprüngliche auf die Schizoprenie und die Bipolare Störung begrenzte Fokus nun auch auf die unipolare Depression. In der binnen 3 Jahren anvisierten Kohorte von 1.700 Patienten (700 SZ, 700 BD, 300 MDD) und 500 Kontrollpersonen werden alle Studienteilnehmer zu mindestens 4 Zeitpunkten (0, 6, 12, 18 Monate) intensiv phänotypisiert, Bioproben erhoben und einem Biobanking zugeführt (Blut, DNS, RNS, Plasma, Serum).

Die deutschlandweite KFO 241-Rekrutierungsplattform hat eine einmalige Ressource für Humanprojekte geschaffen. Modernste Machine-Learning-Verfahren auf der Grundlage der phänotypischen Informationen sollen zwecks weiterführender molekularer und statistischer Analysen neuartige Zielphänotypen des Verlaufs und Therapieansprechens definieren. Diese Ansätze sollen auch zur Exploration einer individualisierten diagnostischen Klassifikation und Verlaufsprädiktion beitragen. Die Analysen umfassen umfangreiche Datensätze, u.a. soziodemographische, psychopathologische, neurokognitive und genomische Daten. Diese ermöglichen die Identifikation von Individuen an den Extremen der Verlaufsverteilung,
d.h. die sehr negativen und sehr positiven Verlaufsformen. Diese Extremgruppen durchlaufen eine Komplettgenomsequenzierung hinsichtlich der Beteiligung seltener Varianten an der Ausprägung dieser besonderen Verlaufsphänotypen. Von zusätzlichem Interesse ist ein neuartiger MikroRNAom-Sequenzierungsansatz zur Exploration des Nutzens regulatorischer Elemente als neuartige Biomarker für den Verlauf der Schizophrenie.