Prof. Dr. Beda M. Stadler Institut für Immunologie Inselspital, Bern

Präsentation zum Thema: "Prof. Dr. Beda M. Stadler Institut für Immunologie Inselspital, Bern"—  Präsentation transkript:

1 Prof. Dr. Beda M. Stadler Institut für Immunologie Inselspital, Bern
Fortbildung Diagnostik Wenn das Ganze mehr ist als die Summe seiner Teile… 21./22. Oktober 2009, Yverdon-les-Bains Roche Diagnostics (Schweiz) AG Vom Geschmackstest zur Personalisierten Medizin Diagnostik - Evolution - Revolution Prof. Dr. Beda M. Stadler Institut für Immunologie Inselspital, Bern

2 Diagnostik einst Diagnose oder Blick in die Kristallkugel?

3 Diagnostik heute Lebensqualität - Lebenssinn

4 MHC Missmatch riechen (3) 4

5 Q&A 5 5

6 Principal Uses of Diagnostics Across The Health Care Continuum
von Gesundheit zu Wellness

7 Wenn das Ganze mehr ist als die Summe seiner Teile…
Die medizinische Forschung hat so enorme Fortschritte gemacht, dass es überhaupt keine gesunden Menschen mehr gibt. - Aldous Huxley Die Fortschritte der Medizin sind ungeheuer. Man ist seines Todes nicht mehr sicher. - Hermann Kesten 7 7

8 Expanding Areas of Scientific Inquiry
Sicherheit oder Wahrscheinlichkeit?

9 Aussagekraft neuer Diagnoseverfahren
Kennt er seine Blutgruppe?

10 100‘000‘000‘000 Bytes/Tag (= 20‘000 x Shakespeares Werk)
Die Informationsflut gestern morgen According to Anthony Kerlavage of Celera, a company formed last year with the intention of sequencing the entire human genome using private money (and beating government-financed projects in the process), a genetics laboratory can easily produce 100 gigabytes of data a day-that is about 20,000 times the volume of data in the complete works of Shakespeare or J. S. Bach. 100‘000‘000‘000 Bytes/Tag (= 20‘000 x Shakespeares Werk) 1 Byte/Tag

11 Die Sequenzflut Genetics Genomics

12 Individualisierte Behandlung
Dosis Nebenwirkungen Resistenzen SNP Profil PCR DNA-Chip Sequenz Zu viel versprochen?

13 SNPs & Pharmacogenetics
 =   =   =  “If it were not for the great variability among individuals Medicine might as well be a science and not an art. Sir William Osler, 1892

14 z.B. Tumorresistenz   From: Esteller M, et al. Inactivation of the DNA-repair gene MGMT and the clinical response of gliomas to alkylating agents. NEJM 243: , 2000.

15 … und zu teuer

16 Verstehen wir die Moleküle?
von der Sequenz zur Struktur in silico Bindung analysieren Funktion verstehen Docking-Simulation (Rational drug design)

17 Strukturvorhersage noch nicht möglich
"de novo"-Modelling Extreme Anforderungen an Rechenkapazität Zur Zeit nur für kleine Proteine (<50 aa) Entwicklung spezieller Hardware (BlueGene) Rechenkapazität:  1 Million PC's Memory-Bandbreite: >100 TeraByte/s

18 Array Systeme in der Diagnostik

19 Allergen Family: Birch
... clinically well known 19 19

20 Cross-reactivity and Sequence Similarity
Bet v 1 - cluster ALL1_APIGR Api g 1 celery ALL2_APIGR Api g 2 BV1A_BETVE BV1B_BETVE BV1C_BETVE BV1D_BETVE BV1E_BETVE BV1F_BETVE Bet v 1 birch BV1G_BETVE BV1J_BETVE BV1K_BETVE BV1L_BETVE BV1M_BETVE DAU1_DAUCA Dau c 1 carrot MAL1_MALDO Mal d 1 apple MPA1_CARBE Car b 1 hornbeam MPA2_CARBE Car b 1 MPAA_CORAV Cor a 1 hazelnut MPAG_ALNGL Aln g 1 alder PRU1_PRUAR Pru ar 1 apricot PRU1_PRUAV Pru av 1 cherry PYR1_PYRCO Pyr c 1 pear Sequence-based Clustering to address this question, we performed an all-against-all allergen sequence comparison and clustered the allergens based on this information (left side) look closely at the cluster containing Bet v 1: contains celery, birch, carrot... : all reported to be clinically cross-reactive  sequence is strongly associated with clinical phenomenon 20 20

21 Good and Bad Sequence Alignments
ASTQSPSVFPLTRCCKNIPSNATSVTLGCLATGYFPEPVMVTWDTGSLNGTTMTLPATTLTLSGHYATISLLTVSGAWAKQMFTCRVAHTPSSTDWVDNKTFSVCSRDFTPPTVKILQSSCDGGGHFPPTIQLLCLVSGYTPGTINITWLEDGQVMDVDL Sequence based alignment Structure based alignment 21 21

22 Sequence - Structure Relationship
Screw Washer Screw nut Spring Ball bearing Special 22 22

23 Sequence-Structure Relationship
Domain (Fold): Sequences: how can we improve prediction? structure sequence relationship .... motives! Sequence Motif: [FY]-x-C-x-[VA]-x-H 23 23

24 Automatic Identification of Allergen Profiles
Adb Dataset remaining sequences motif discovery (MEME) motif collect iterative search for allergen motives remove matches search dataset Motives Matches 24 24

25 New Public Motif Database
2003 2004* 2005* 1st Analysis further Analysis Sequences (origin) own search Sequences (#) 779 876 1102 Motifs 52 64 69 non-matching seqs 135 169 190 Publication The FASEB Journal. 2003;17: * In collaboration with Adriano Mari, Allergy Data Laboratories p.s.c. 25 25

26 Motif-based Allergenicity Prediction
RDFTPPTVKILQSSCDGGGHFPPTIQLLCLVSGYTPGTINITWLEDGQVMDVDLSTASTTQEGELASTQSELTLSQKHWLSDRT query protein motif match? 52 motifs yes allergens: no pair match? 135 sequences yes no non-allergen allergen 26 26

27 Allergen Extracts Contain Several Motifs Cross reactivity: Motif 4

28 Vorhersage plus Messung?
Use only recombinant allergens Predict more allergen sensitizations by motifs 28

29 The Bioinformatic Crystal Ball
Use only recombinant motifs motifs Predict all allergen sensitizations? 29

30 Tropomyosins an Ubiquitous Allergen
Human TPM3 gamma chain Rabbit TMP2 beta chain Pig TPM1 alpha chain Chicken TPM1 alpha chain Streptococcus pyogenes 5 M protein 6 M protein Turbo cornutus Tur c 1 Pacific oyster TPM Herring worm TPMM Lepidoglyphus destructor TPM Dermatophagoides pteronyssinus TPM Chironomus kiiensis TPM Periplaneta america Per a 7 Homarus americanus Hom a 1 Panulirus stimpsoni Pan s 1 Metapenaeus ensis Met e 1 30 30

31 Unsere Gene, Basis des Immunsystems
Wir sind beinahe Klone Unsere Gene, Basis des Immunsystems 31 31

32 Immunsystem - tägliche Evolution
… und Ursache der meisten Krankheiten 32 32

33 Genrearrangement H-Kette L-Kette B Zelle VH DH JH VL JL k l m d g3 g1
HC-Gensegmente LC-Gensegmente 33 33

34 Antikörperspezifität
B Zelle Antikörper Epitop eines Antigens eine B Zelle =ein Antikörper = ein Idiotyp 34 34

35 Theoretische Rekombinationen
H Kette Gensegmente L Kette Gensegmente L/H Ketten Diversität V 200 100 20‘000 D 20 400‘000 J 6 5 12‘000‘000 D-frame 0.33 - 4‘000‘000 Nur ein Frame! = 30% Reduktion J-frame 0.33 0.33 ~450‘000 Nukleotide einfügen (Durchschnitt 6) ~1 ·1014 Nukleotid Verlust (meist <=7) ~1 ·1019 ~1018 Nur ein Frame! = 30% Reduktion 1 Million Genmanipulationen pro Sekunde

36 Gegen jeden Antikörper ein Anti-Idiotyp
Antigen Antikörper Anti-Idiotyp Das Idiotypen-Anti-Idiotypen Netzwerk 36 36

37 Den idealen Partner finden?
Antigene Antikörper 109 Menschen 37 37

38 Suche nach dem idealen Partner
Kontaktzeit eine Stunde Kontaktzeit Zehn Sekunden Jahre Weltbevölkerung (Millionen)

39 Nicht zimperlich bei der Wahl
39 39

40 Meme und Gene Kein bekannter Speicherort

41 Stehen wir am selben Wendepunkt?

42 Immunität und Infektiosität von Memen
Immunologische Diversität benutzt nicht Gene, sondern rearrangiert Gensegmente.

43 Nicht-Wissen macht stark!?!
„Beethovens Fünfte“ Mem Wer es nicht kennt, ist ein Kulturbanause Eben wurden Sie angesteckt vom „Genrearrangement Mem“ Sind nicht infizierte Kulturbanausen? Immunität gegen Meme Krankheit oder Schutz

44 Gesundheit oder Wellness?
Wer definiert die Gesundheit? Wie viel Gesundheit? Gesund sterben

45 Gesundheit des Menschen laut WHO
„ … ein Zustand des vollständigen körperlichen, geistigen und sozialen Wohlergehens und nicht nur das Fehlen von Krankheit oder Gebrechen.“

46 Evidence Based Medicine
Dürfen Medikamente ohne Wirkung verkauft werden? Dürfen Medikamente ohne Wirkstoffe verkauft werden? Antwort: Der Doppelblindversuch ist die wichtigste Errungenschaft unseres Jahrhunderts 46 46

47 Wer profitiert von der Wellness?

48 Wer entscheidet über die Labordiagnostik?
Moderne Entscheidungshilfen

49 Wo wäre die Labormedizin heute?
Ägypter Griechen Römer 1000 v.Chr. 2000 n.Chr. 1 1000 n.Chr. Renaissance Moderne Aufklärung Christliches Mittelalter Wissenschaftlicher Fortschritt

50 From Diagnosis to Patient Outcomes
1. Is a particular diagnostic test accurate for the target condition? 2. Does diagnostic use result in adverse effects or harms? 3. Do treatments change intermediate health outcomes? (e.g., cholesterol levels, tumor size) 4. Do treatments/health interventions result in adverse effects? 5. Are changes in intermediate outcomes associated with changes in health outcomes? 6. Does treatment improve health outcomes? 7. Is there direct evidence that diagnostic use improves health outcomes? Source: Adapted from Harris, Helfand, Woolf, et al

51 Ethik der Labordiagnostik
Rationalität oder Irrationalität Erkenntnis oder Glaube Danke