gms | German Medical Science

53. Jahrestagung der Deutschen Gesellschaft für Medizinische Informatik, Biometrie und Epidemiologie e. V. (GMDS)

Deutsche Gesellschaft für Medizinische Informatik, Biometrie und Epidemiologie

15. bis 18.09.2008, Stuttgart

Informationsfusion biomedizinischer Daten und klinischer Fallberichte im Bereich angeborener Stoffwechselerkrankungen

Meeting Abstract

Suche in Medline nach

  • Thoralf Töpel - Universität Bielefeld, Bielefeld, Deutschland
  • Kristin Amling - Universität Bielefeld, Bielefeld, Deutschland

Deutsche Gesellschaft für Medizinische Informatik, Biometrie und Epidemiologie. 53. Jahrestagung der Deutschen Gesellschaft für Medizinische Informatik, Biometrie und Epidemiologie (gmds). Stuttgart, 15.-19.09.2008. Düsseldorf: German Medical Science GMS Publishing House; 2008. DocMI7-1

Die elektronische Version dieses Artikels ist vollständig und ist verfügbar unter: http://www.egms.de/de/meetings/gmds2008/08gmds133.shtml

Veröffentlicht: 10. September 2008

© 2008 Töpel et al.
Dieser Artikel ist ein Open Access-Artikel und steht unter den Creative Commons Lizenzbedingungen (http://creativecommons.org/licenses/by-nc-nd/3.0/deed.de). Er darf vervielf&aauml;ltigt, verbreitet und &oauml;ffentlich zug&aauml;nglich gemacht werden, vorausgesetzt dass Autor und Quelle genannt werden.


Gliederung

Text

Einleitung

Die Bedeutung der systematischen Sammlung und Auswertung molekularbiologischer und klinischer Daten für Erkrankungen, die auf genetische Defekte zurückgeführt werden können, nimmt in den letzten Jahren rapide zu. Internationale Projekte wie das Human Variome Project bereiten interdisziplinäre Forschungsvorhaben vor, die im großen Stil relevante molekularbiologische Informationen katalogisieren und analysieren sollen.

Unter dem Namen „RAMEDIS: Rare Metabolic Diseases Database“ [1] wurde ein webbasiertes Informationssystem entwickelt, das die Möglichkeit bietet, diese Daten für angeborene Stoffwechselerkrankungen innerhalb einer zentralen Datenbankinstanz in Form von anonymisierten Fallberichten anzulegen, zu editieren und auszuwerten. Dabei werden durch die Nutzung von standardisierten Parametern die Vergleichbarkeit der einzelnen Fälle und die Skalierbarkeit des Informationssystems im Vergleich zu verwandten Systemen deutlich erhöht. Im Rahmen einer mehrjährigen Kooperation mit der Kinderklinik des Kreiskrankenhauses Reutlingen [2] und anderen klinischen Partnern wurde die Funktionsfähigkeit des Systems nachgewiesen. So wurden bisher 775 Fallberichte in der Datenbank gespeichert und durch insgesamt ca. 4500 Symptome und ca. 35.000 Laboruntersuchungsergebnisse charakterisiert.

Im Rahmen des hier vorgestellten Projektes wurde nun ein Integrationsansatz entwickelt, der klinischen Fallberichte um weitere, relevante biomedizinische Informationen über beteiligte Gene, Enzyme und Stoffwechselwege aus externen öffentlichen Datenquellen erweitert.

Methoden und Implementierung

In der Datenbanktechnologie werden verschiedene Methoden zur Datenintegration verfolgt. Dabei stellt die Lösung der vorhandenen Datenbankheterogenitäten, wie z.B. verschiedener Datenmodelle, Zugriffsschnittstellen, Datenschemata oder Datenbestand, die besondere Herausforderung der Integration dar. Im vorliegenden Anwendungsfall bietet sich die Nutzung eines Data-Warehouse-Ansatzes an. Dabei wird eine physikalische (materialisierte) Kopie der Daten in einem Datenbanksystem angelegt und zur weiteren Verarbeitung genutzt.

Die Auswahl der relevanten Informationen, die die klinischen Daten der Fallberichte ergänzen, erfolgte in enger Abstimmung mit den medizinischen Anwendern des Systems. Dabei wurden OMIM, KEGG, NCBI und ENZYME als wesentliche elektronische Quellen molekularbiologischer Informationen identifiziert.

Der Umstand, dass sich die Bedeutung dieser öffentlichen Datenbanken zunehmend vergrößert, zeigt sich u. a. daran, dass im Januar jeden Jahres eine Sonderausgabe der Zeitschrift „Nucleic Acids Research“ erscheint, die einen Überblick über wichtige Datenbanken gibt und ausgewählte Systeme detailliert vorstellt [3]. In der aktuellen Ausgabe wurden über 1000 Life-Science-Datenbanken katalogisiert.

Auf der Basis der in ein relationales Schema integrierten Daten erfolgt nun die Verbindung zu den klinischen Informationen der Fallberichte. Diese Verknüpfung wird über den Diagnosen und den zugehörigen eindeutigen MIM-Nummern sowie den beteiligten Laborsubstanzen realisiert. Von diesen Verknüpfungspunkten ausgehend ist eine Präsentation detaillierter Informationen zu involvierten Genen, Enzymen und Stoffwechselwegen möglich. Diese Darstellung erfolgt parallel zu den klinischen Daten des Fallberichtes, so dass ein schneller und intuitiver Zugriff auf alle relevanten Information sichergestellt und eine umfassende Interpretation vereinfacht wird.

Zusammenfassung

Molekularbiologische und klinische Daten werden durch moderne Forschungsverfahren in einem bisher nicht gekannten Umfang gewonnen. Eine dauerhafte und effiziente Speicherung und Verwaltung wird bereits durch aktuelle Datenbankmanagementsysteme ermöglicht. Allerdings müssen neben den typischen Anforderungen an die Datenhaltung auch weitergehende Möglichkeiten zur Verarbeitung und Analyse dieser Daten bereitgestellt werden.

So bilden die Defekte der DNS-Sequenz eines Organismus in Form verschiedener Mutationen die Ursache für die unterschiedlichsten Erkrankungen. Ein Ausgangspunkt für eine effektive Analyse bilden Genotyp-Phänotyp-Korrelationen auf der Basis der molekularbiologischen und klinischen Daten eines Patienten. Dazu wurde aufbauend auf dem Informationssystem RAMEDIS ein flexibler Data-Warehouse-Ansatz realisiert, der die Integration relevanter molekularbiologischer Daten aus öffentlichen Datenbanken ermöglicht. Diese zusätzlichen Informationen ergänzen den Fallbericht und ermöglichen so eine Gesamtsicht auf die bedeutenden biomedizinischen Aspekte.

Der aktuelle Funktionsumfang des Systems steht unter http://www.ramedis.de zur Verfügung.


Literatur

1.
Töpel T, Hofestädt R, Scheible D, Trefz F. RAMEDIS, the rare metabolic diseases database. Appl Bioinformatics. 2006;5(2):115-8.
2.
Trefz FK, Scheible D, Frauendienst-Egger G, Korall H, Blau N. Long-term treatment of patients with mild and classical phenylketonuria by tetrahydrobiopterin. Mol Genet Metab. 2005;86 Suppl 1:28.
3.
Galperin MY. The Molecular Biology Database Collection: 2008 update. Nucleic Acids Research, 36(Database issue):D2-D4, 2008.