
Lab Demichev:
Quantitative Proteomics
Sie befinden sich hier:
In letzter Zeit hat die massenspektrometriebasierte Proteomik einen großen Sprung in Bezug auf Geschwindigkeit, Empfindlichkeit und Tiefe der Proteomabdeckung gemacht. Mit neuartigen schnellen Arbeitsabläufen können Hunderte von Proteomen pro Tag gemessen werden, was robuste und kosteneffiziente Experimente in großem Maßstab ermöglicht, von Perturbations-Screens in Zellkulturen bis hin zu Studien zur Entdeckung von Biomarkern. Gleichzeitig ist die Erstellung von Proteom-Profilen von Probenmengen im Sub-Nanogramm-Bereich Realität geworden, was zu einem raschen Anstieg der Einzelzell-Proteomik geführt hat. Diese Fortschritte wurden durch die Einführung schneller und empfindlicher Massenspektrometer, die Entwicklung neuartiger Erfassungsmodi und die Entwicklung hochentwickelter Datenverarbeitungsstrategien vorangetrieben. Die Proteomik kann nun groß angelegte Studien an einem breiten Spektrum klinischer Proben erleichtern, die eine informationsreiche Charakterisierung von Krankheitsverläufen und die Vorhersage von Behandlungsergebnissen ermöglichen. Dennoch können Geschwindigkeit und Datenqualität noch erheblich verbessert werden, was den Weg für neue Anwendungen ebnet.
Das Demichev-Labor arbeitet mit Partnern aus der Industrie zusammen, um die Geschwindigkeit, die quantitative Genauigkeit und die proteomische Tiefe von MS-basierten Methoden zu erhöhen, mit der ultimativen Vision, MS-basierte Proteomik als Routinemessmethode in die klinische Umgebung zu bringen. Unser Hauptaugenmerk liegt auf der Entwicklung neuartiger Erfassungstechniken und Datenanalysemethoden und deren Anwendung auf die Erstellung von Profilen in klinischen Proben und in der Grundlagenforschung. Besonderes Augenmerk legen wir auch auf die Etablierung schneller und robuster Methoden für die proteomweite Profilierung von Phosphorylierung und Ubiquitinierung und nutzen diese, um den Proteinumsatz, seine Regulierung und seine Verbindung zu Stoffwechsel und Alterung eingehend zu untersuchen. Wir arbeiten im Rahmen des MSTARS-Konsortiums, dessen Hauptziel es ist, mit Hilfe von Multi-omics-Methoden mit hohem Durchsatz Biomarker zu identifizieren und mit Hilfe von maschinellem Lernen Prädiktoren für den Behandlungserfolg bei Krebspatienten zu erstellen.