Proxies of the Eco-exposome

Motivation

Das Exposom umfasst die organismenspezifische Belastung durch externe Chemikalien und interne Chemikalien, welche durch an externen Stress gebundene Zellantworten gebildet oder verändert werden. Wir nehmen an, dass der erweiterte Exposom-Begriff von der humanmedizinischen Ebene auf die Ökotoxikologie mit individuenspezifischer Perspektive übertragen werden kann (Escher et al., 2017). Der Ökoexposom-Ansatz erfordert eine Beurteilung der gesamten internen Exposition indem Chemikalien- und biologische Effektbewertung kombiniert werden um toxikologisch relevante Belastungen und damit in Zusammenhang stehende negative Auswirkungen auf Organismen zu identifizieren. Zur Vereinfachung konzentrieren wir uns auf einzelne Vertreter von Fischarten. 

Das Modell des Oeko-Exposoms
Die Umwelt ist durch eine Vielzahl von Chemikalien belastet, die durch Nahrungsketten und Umweltmedien ausgebreitet werden. Jede externe Chemikalienexposition hat Einfluss auf die interne Belastung von Individuen. Beides zeigt Effekte auf zelltoxische Kaskaden. Wir untersuchen negative Wirkungskaskaden auf zellulaerer Ebene um Erkenntnisse ueber die Gesundheit auf Organismen- als auch auf Oekosystemebene zu gewinnen.

Ziele

Wir wollen das Fischexposom umfassend verstehen und damit repräsentative Schlüsse für eine Ökoexposom-Bewertung erzielen. Wir untersuchen, ob man komplexe externe Belastungen mit internen molekularen Mustern sowie biologischen Antworten verbinden kann. Wir babsichtigen die optimalen Repräsentanten zu finden um Umweltgefahren und Belastungsdiagnosen in Verbindung zu bringen und somit anwendbare Monitoringtools zu entwickeln, die eine verbesserte Umweltbewertung erlauben.

Struktur des PhD-Kollegs

Coordinator of project:

Stefan Scholz (BIOTOX)

Co-Coordinator of project:

Beate Escher (ZELLTOX)

Team:

Werner Brack (WANA), Wibke Busch (BIOTOX), Paul-Janek Dann (WANA), Jörg Hackermüller (MOLSYB), Annika Jahnke (ZELLTOX), Gianina Jakobs (BIOTOX), Stefan Krämer (MOLSYB), Martin Krauss (WANA), Albrecht Paschke (OEC), Jana Schor (MOLSYB), Theo Wernicke (ZELLTOX)

Vier eng verwobene PhD-Projekte untersuchen gemeinsam Wasserproben und Fischproben um anwendbare Monitoring-Tools zu entwickeln, die eine verbesserte Umweltbewertung erlauben. Die Proben und daraus entstehenden Daten werden dank UFZ-interner Kollaborationen als auch durch externe Kooperationen gewonnen und zur Verfügung gestellt. Die vier Projekte zielen darauf ab

(T1) die Beziehung zwischen interner und externer Chemikalienexposition zu verstehen.

(T2) passive Sampling als biomimetischen Proxy für interne Chemikalienbelastung zu untersuchen.

(T3) "Untargeted Molecular Effect-Analyses" im Fischembryo für Chemikalienmonitoring zu verwenden.

(T4) Zusammenhänge zu erkennen und passende Datenanalyse-Pipelines zu implementieren.

PhD-Projekt 4: Verlinkung von Omics- and Expositionsdaten

Das vierte PhD-Projekt ist der Nachwuchsgruppe "Bioinformatics & Transcriptomics" zugeordnet. Wir entwickeln und beurteilen innerhalb des vierten Teilprojekts Tools, die eine Verbindung zwischen Omics-Daten und Expositionsdaten schaffen und nutzen dafür Methoden, die Gen-Korrelations-Netzwerke und Assoziationsregeln generieren. Im Zentrum des Ökoexposoms liegt die Verbindung von Expositionsdaten mit Daten der Molekularantwort. Für solche Verbindungen und die Integration von wissensbasierten Datenbanken fehlen bisher passende bioinformatische Methoden oder sind nicht ausreichend für einen Exposom-Ansatz beurteilt. Durch die anderen drei Teilprojekte werden Daten produziert und von U.S.-Kooperationspartner werden Daten zur Verfügung gestellt, die zur Methodenentwicklung und -verbesserung genutzt werden.

Das Projekt zielt darauf ab transkriptionelle Expressionseffekte, interne und externe Exposition und Aktivitäten in Bio- sowie Chemoassays in Verbindung zu bringen. Wir implementieren Analyse-Pipelines, die Exposition und Omicsdatensätze miteinander verlinken und entwickeln weiterhin einen Deep-Learning-Ansatz um potentielle Kaskaden von Negativeffekten (Adverse Outcome Pathways) mittels biologischen und chemoanalytischen Daten als auch wissensbasierten Datenbanken vorherzusagen.