AP 4
Bayerische Allgemeinbevölkerung

Prof. Dr. Annette Peters

Director of the Institute of Epidemiology, Helmholtz Munich, Germany

Arbeitspaket 4: Die Bayerische Allgemeinbevölkerung

Ziel von AP4 ist die Entwicklung innovativer Strategien zur personalisierten Prävention von Herzinfarkt und Schlaganfall in der Allgemeinbevölkerung. Grundlage sind Daten der KORA-Studie, einer der größten bevölkerungsbasierten Kohorten in Deutschland mit über 17.000 Teilnehmern und umfangreicher Langzeitbeobachtung.

Schwerpunkte:

  • Omics-Analysen & Datenintegration:
    Genomische, metabolische und proteomische Charakterisierung der KORA-Population. Aufbau einer integrierten Omics-Datenbank für umfassende Analysen.
  • Digitale Infrastruktur:
    Entwicklung einer sicheren Plattform zur Analyse individueller Daten und Testung neuer Prädiktionsalgorithmen.
  • Prädiktionsmodelle & Prävention:
    Ableitung innovativer Algorithmen zur Risikovorhersage und Simulation personalisierter Präventionsansätze.
  • Transparenz & Interaktion:
    Bereitstellung der Ergebnisse für die Öffentlichkeit über nutzerfreundliche Online-Anwendungen.

Mehrwert:
AP4 schafft eine einzigartige Forschungsdatenbank und digitale Werkzeuge, um Risikofaktoren frühzeitig zu erkennen und Präventionsstrategien für die bayerische Bevölkerung zu optimieren.

Ergebnisse Arbeitspaket 4

KORA-Kohorte und Herz-Kreislauf-Forschung in der bayerischen Allgemeinbevölkerung

Überblick

Arbeitspaket 4 fokussiert auf die KORA-Kohorte, eine der umfassendsten Langzeitstudien zur Prädiktion von Herz-Kreislauf-Erkrankungen in Bayern. Ziel ist die Verbesserung der Risikovorhersage, Prävention und Versorgung durch die Integration innovativer OMICS-Daten und digitaler Infrastruktur.

Zentrale Ergebnisse

  • KORA-Kohorte als Basis:
    • Die KORA-Kohorte umfasst 17.602 Teilnehmer aus der Region Augsburg und liefert seit 1984 wertvolle Langzeitdaten zu Herzinfarkt, Schlaganfall und Diabetes.
    • Im Rahmen von DigiMed Bayern wurden große Teile der Kohorte mit Genomics, Transcriptomics, Proteomics und Metabolomics charakterisiert.
  • Innovative OMICS-Analysen:
    • Neue OMICS-Daten (Proteomik, Genomik, Transkriptomik, Metabolomik) wurden aus eingelagerten Blutproben gewonnen.
    • Insgesamt wurden z.B. 9.201 Proteomik-, 4.032 Genomik-, 1.930 Transkriptomik- und 3.922 Metabolomik-Datensätze generiert.
  • Geschlechtsspezifische und lebenszeitliche Analysen:
    • Die KORA-Kohorte eignet sich besonders für geschlechtsspezifische Auswertungen (je 50% Männer und Frauen).
    • Analysen über die Lebensspanne zeigen Veränderungen der Risikofaktoren und Erkrankungen über verschiedene Jahrzehnte.
  • Prädiktionsalgorithmen:
    • Der Framingham-Risiko-Score für das 30-Jahres-Risiko wurde mit KORA-Daten berechnet und für die HerzFit-App (AP1.2) verwendet.
    • Genetische Modelle zur Risikovorhersage der koronaren Herzkrankheit und Schlaganfall wurden entwickelt und verglichen.
  • Datenschutz und Infrastruktur:
    • Aufbau der DigiMed Secure Cloud am LRZ zur sicheren Speicherung und Verarbeitung der Forschungsdaten.
    • Verbesserung der Metadaten und Entwicklung von Datenmanagement-Plänen nach FAIR-Kriterien.
  • Öffentlichkeitsarbeit:
    • Ergebnisse wurden über Broschüren, Webseiten und wissenschaftliche Publikationen der Öffentlichkeit und den Studienteilnehmern zugänglich gemacht.

Nachhaltigkeit und Ausblick

  • Fertigstellung ausstehender wissenschaftlicher Veröffentlichungen und weitere Auswertungen zu Multi-Omics und verbesserter Risikovorhersage.
  • Ausbau der Nutzung der DigiMed Secure Cloud und Integration der KORA-Daten in zukünftige Forschungsprojekte.
  • Umsetzung der Erkenntnisse in einer digital unterstützten Interventionsstudie im EU-Projekt STAGE – Stay Healthy Through Ageing.
Fazit Arbeitspaket 4

Arbeitspaket 4 hat mit der KORA-Kohorte und innovativen OMICS-Analysen eine wegweisende Grundlage für die personalisierte Medizin und Gesundheitsforschung in Bayern geschaffen. Die Ergebnisse ermöglichen eine präzisere Risikovorhersage, geschlechtsspezifische Versorgung und nachhaltige Nutzung der Forschungsdaten für zukünftige Projekte.