dc.contributor.advisor |
Stevanović, Stefan (Prof. Dr.) |
|
dc.contributor.author |
Ghosh, Michael |
|
dc.date.accessioned |
2020-09-16T08:10:34Z |
|
dc.date.available |
2020-09-16T08:10:34Z |
|
dc.date.issued |
2020-09-16 |
|
dc.identifier.other |
1733122370 |
de_DE |
dc.identifier.uri |
http://hdl.handle.net/10900/106886 |
|
dc.identifier.uri |
http://nbn-resolving.de/urn:nbn:de:bsz:21-dspace-1068863 |
de_DE |
dc.identifier.uri |
http://dx.doi.org/10.15496/publikation-48264 |
|
dc.description.abstract |
Seit fast 30 Jahren wird das Immunpeptidom durch Elution von Peptiden aus HLA-Molekülen analysiert. Weltweit nutzen mittlerweile mehrere Institute und Unternehmen diese Methode für ein breites Spektrum an Untersuchungen, die von der simplen Identifizierung von HLA-Peptidmotiven für verschiedene Organismen bis hin zum Nachweis kryptischer krankheitsspezifischer Peptide reichen. Die Immunpeptidomik ist populärer denn je, seit sich die Medikamentenentwicklung in den letzten Jahren auf die positive Modulation des Immunsystems fokussiert hat. Die Zulassung der ersten Checkpoint-Antikörper leitete die Ära der Immuntherapie ein und spezifische Immuntherapien mit weniger Nebenwirkungen stehen nun im Blickpunkt. Das Anwendungsspektrum der Immunpeptidomik ist mittlerweile breit gefächert, dennoch enthält das Immunpeptidom immer noch eine große Fülle von Informationen, die darauf warten, entschlüsselt zu werden. Aktuell ist die Immunpeptidomik darin eingeschränkt, dass die große Anzahl von Peptiden, mit unterschiedlichen Affinitäten und Stabilitäten der Peptid-HLA-Komplexe, nicht optimal erfasst werden kann und daher unter anderem nur begrenzte Wiederfindungsraten möglich sind. Zu Beginn dieser Doktorarbeit gab es ungelöste Fragestellungen auf dem Gebiet der Immunpeptidomik, die in dieser Arbeit untersucht werden sollten:
Ist es möglich, die Immunpeptidomik zu validieren und diese zuverlässig für klinische Studien und die Medikamentenentwicklung einzusetzen? Gibt es heute eine zuverlässige Methode zur Identifizierung von Peptidmotiven für Peptid-präsentierende MHC-Klasse-I-Allotypen, dem Grundstein für Epitopvorhersagen und Wirkstoffidentifizierungen? Ist es möglich, Peptide zur Klassifizierung von HLA-Allotypen oder zur Unterscheidung zwischen gesundem und bösartigem Gewebe zu verwenden? Können tumorspezifische Peptide mit dieser Omik-Technologie zuverlässig charakterisiert werden?
In dieser Doktorarbeit wurde die immunpeptidomische Methode validiert, um die Zuverlässigkeit der LC-MS/MS-Peptid-Identifizierung zu gewährleisten, und es wurden alle erforderlichen Parameter der Europäischen Arzneimittel-Agentur und U. S. Food and Drug Administration untersucht. Darüber hinaus wurde ein aktualisiertes Protokoll für die Identifizierung von MHC-Liganden, die Entschlüsselung von Peptidmotiven und die Generierung von Matrizen für die Epitopvorhersage erstellt, das sowohl für monoallele Zellen als auch für multiallele Gewebe verwendet werden kann. Schließlich wurde eine Methode entwickelt, um allotypische Peptide zu identifizieren, die eine HLA-Typisierung ermöglichen. Diese Peptide können auch als interner Standard für die semi-quantitative Untersuchung der Tumorspezifität von Peptiden verwendet werden. Diese Methode wurde erfolgreich implementiert, um gewebe- und dignitätsspezifische Muster im Immunpeptidom zu identifizieren und die Dignität von immunpeptidomischen Proben zu bestimmen. |
de_DE |
dc.description.abstract |
For almost 30 years now, the immunopeptidome has been analyzed by eluting peptides from HLA molecules. This method has already been established in several institutes and companies worldwide and is now used for a wide range of investigations from the simple identification of HLA peptide motifs for different organisms to the detection of cryptic disease-specific peptides. The field of immunopeptidomics is more popular than ever as drug development has focused on the positive modulation of the immune system in recent years. Since the approval of the first checkpoint antibodies, the era of immunotherapy has been running and specific immunotherapies with fewer side effects are in the focus. There is a wide range of applications, yet, the immunopeptidome still contains a great wealth of information waiting to be deciphered. Currently, immunopeptidomics is limited in the identification of the large number of peptides with different affinities and stabilities of the peptide-HLA complexes. Therefore, amongst many other factors, only limited recovery rates are possible. When this doctoral thesis started, there were several unresolved questions in the field of immunopeptidomics that should be approached in this thesis:
Is it possible to validate immunopeptidomics and use it reliably for clinical studies and drug development? Is there nowadays a reliable method to identify the peptide motif for peptide presenting MHC class I allotypes, the cornerstone for epitope predictions or active substance identification? Is it possible to use peptides to classify HLA allotypes or differentiate between healthy and malignant tissue? Can tumor-specific peptides be reliably characterized with this omic technology?
In this doctoral thesis the immunopeptidomic method was validated to ensure the reliability of LC-MS/MS peptide identification and all required parameters of the European Medicines Agency (EMA) and Food and Drug Administration (FDA) were investigated. In addition, an updated protocol for the identification of MHC ligands, deconvolution of peptide motifs and generation of matrices for epitope prediction was established, which can be used for monoallelic cells as well as multiallelic tissue. Finally, a method was developed to identify allotypic peptides that allow HLA typing. These peptides can also be used as an internal standard for semi-quantitative investigation of the tumor specificity of peptides. The developed method was also successfully implemented to identify tissue and dignity specific patterns in the immunopeptidome and to determine the dignity of immunopeptidomic samples. |
en |
dc.language.iso |
en |
de_DE |
dc.publisher |
Universität Tübingen |
de_DE |
dc.rights |
ubt-podok |
de_DE |
dc.rights.uri |
http://tobias-lib.uni-tuebingen.de/doku/lic_mit_pod.php?la=de |
de_DE |
dc.rights.uri |
http://tobias-lib.uni-tuebingen.de/doku/lic_mit_pod.php?la=en |
en |
dc.subject.classification |
HLA , Immunologie , Massenspektrometrie , Validierung , GMP , Tumor , Viren , Peptide , SARS-CoV-2 |
de_DE |
dc.subject.ddc |
000 |
de_DE |
dc.subject.ddc |
004 |
de_DE |
dc.subject.ddc |
500 |
de_DE |
dc.subject.ddc |
540 |
de_DE |
dc.subject.ddc |
570 |
de_DE |
dc.subject.ddc |
600 |
de_DE |
dc.subject.other |
Immunpeptidomik |
de_DE |
dc.subject.other |
Epitopvorhersage |
de_DE |
dc.subject.other |
HLA-Typisierung |
de_DE |
dc.subject.other |
HLA typing |
en |
dc.subject.other |
LC-MS/MS |
de_DE |
dc.subject.other |
Antigen processing |
en |
dc.subject.other |
Tumor antigens |
en |
dc.subject.other |
Biomarker |
en |
dc.subject.other |
Antigenprozessierung |
de_DE |
dc.subject.other |
Peptide motifs |
en |
dc.subject.other |
Tumorantigene |
de_DE |
dc.subject.other |
Machine learning |
en |
dc.subject.other |
Peptidmotive |
de_DE |
dc.subject.other |
Random forest |
en |
dc.subject.other |
Maschinelles Lernen |
de_DE |
dc.subject.other |
Method validation |
en |
dc.subject.other |
Virus diagnostics |
en |
dc.subject.other |
Methodenvalidierung |
de_DE |
dc.subject.other |
Tumordiagnostik |
de_DE |
dc.subject.other |
Tumor diagnostics |
en |
dc.subject.other |
Virusdiagnostik |
de_DE |
dc.subject.other |
Epitope prediction |
en |
dc.subject.other |
Immunopeptidomics |
en |
dc.title |
Weiterentwicklung der Immunpeptidomik: Validierung der Methode, Verbesserung der Epitopvorhersage, peptidbasierte HLA-Typisierung und Unterscheidung von gesundem und bösartigem Gewebe |
de_DE |
dc.title |
Advancing immunopeptidomics: validation of the method, improved epitope prediction, peptide-based HLA typing and discrimination of healthy and malignant tissue |
en |
dc.type |
PhDThesis |
de_DE |
dcterms.dateAccepted |
2020-07-30 |
|
utue.publikation.fachbereich |
Biologie |
de_DE |
utue.publikation.fakultaet |
7 Mathematisch-Naturwissenschaftliche Fakultät |
de_DE |