• Skip navigation
  • Skip to navigation
  • Skip to the bottom
Simulate organization breadcrumb open Simulate organization breadcrumb close
Friedrich-Alexander-Universität Pattern Recognition Lab PRL
  • FAUTo the central FAU website
Suche öffnen
  • Campo
  • StudOn
  • FAUdir
  • Jobs
  • Map
  • Help
Friedrich-Alexander-Universität Pattern Recognition Lab PRL
Navigation Navigation close
  • Lab
    • News
    • Cooperations
    • Join the Pattern Recognition Lab
    • Ph.D. Gallery
    • Contact
    • Directions
  • Team
    • Our Team
    • Former PRL members
  • Research
    • Research Groups
    • Research Projects
    • Publications
    • Competitions
    • Datasets
    • Research Demo Videos
    • Pattern Recognition Blog
    • Beyond the Patterns
  • Teaching
    • Curriculum / Courses
    • Lecture Notes
    • Lecture Videos
    • LME Videos
    • Thesis / Projects
  1. Home
  2. Research
  3. Research Groups
  4. Molecular Assessment of Signatures ChAracterizing the Remission of Arthritis

Molecular Assessment of Signatures ChAracterizing the Remission of Arthritis

In page navigation: Research
  • Beyond the Patterns
  • Competitions
  • Publications
  • Datasets
  • An AI-based framework for visualizing and analyzing massive amounts of 4D tomography data for beamline end users
  • An AI-based framework for visualizing and analyzing massive amounts of 4D tomography data for beamline end users
  • An AI-based framework for visualizing and analyzing massive amounts of 4D tomography data for beamline end users

Molecular Assessment of Signatures ChAracterizing the Remission of Arthritis

Molecular Assessment of Signatures ChAracterizing the Remission of Arthritis

(Third Party Funds Single)

Overall project:
Project leader: Georg Schett, Uwe Sonnewald, Andreas Maier
Project members: Lukas Folle
Start date: April 1, 2020
End date: September 30, 2022
Acronym: MASCARA
Funding source: Bundesministerium für Bildung und Forschung (BMBF)
URL:

Abstract

MASCARA zielt auf eine detaillierte, molekulare Charakterisierung der Remission bei Arthritis ab. Das Projekt basiert auf der kombinierten klinischen und technischen Erfahrung von Rheumatologen, Radiologen, Medizinphysikern, Nuklearmedizinern, Gastroenterologen, grundlagenwissenschaftlichen Biologen und Informatikern und verbindet fünf akademische Fachzentren in Deutschland. Das Projekt adressiert 1) den Umstand der zunehmenden Zahl von Arthritis Patienten in Remission, 2) die Herausforderungen, eine effektive Unterdrückung der Entzündung von einer Heilung zu unterscheiden und 3) das begrenzte Wissen über die Gewebeveränderungen in den Gelenken von Patienten mit Arthritis. MASCARA wird auf der Grundlage vorläufiger Daten vier wichtige mechanistische Bereiche (immunstoffwechselbedingte Veränderungen, mesenchymale Gewebereaktionen, residente Immunzellen und Schutzfunktion des Darms) untersuchen, die gemeinsam den molekularen Zustand der Remission bestimmen. Das Projekt zielt auf die Sammlung von Synovialbiopsien und die anschließende Gewebeanalyse bei Patienten mit aktiver Arthritis und Patienten in Remission ab. Die Gewebeanalysen umfassen (Einzelzell)-mRNA-Sequenzierung, Massenzytometrie sowie die Messung von Immunmetaboliten und werden durch molekulare Bildgebungsverfahren wie CEST-MRT und FAPI-PET ergänzt. Sämtliche Daten, die in dem Vorhaben generiert werden, werden in einem bereits bestehenden Datenbanksystem mit den Daten der anderen Partner zusammengeführt und gespeichert. Das Zusammenführen der Daten soll – mit Hilfe von maschinellem Lernen – krankheitsspezifische und mit der Krankheitsaktivität verbundene Mustermatrizen identifizieren.

Publications

  • Folle L., Liu C., Simon D., Meinderink T., Liphardt AM., Krönke G., Schett G., Maier A., Kleyer A.:
    Differential diagnosis of RA and PsA using neural networks on 3D bone shape of finger joints
    EULAR 2021 Congress (Paris, June 2, 2021 - June 5, 2021)
    In: Annals of the Rheumatic Diseases 2021 2021
    DOI: 10.1136/annrheumdis-2021-eular.383
    URL: https://ard.bmj.com/content/80/Suppl_1/86
    BibTeX: Download
  • Folle L., Meinderink T., Simon D., Liphardt AM., Krönke G., Schett G., Kleyer A., Maier A.:
    Deep learning methods allow fully automated segmentation of metacarpal bones to quantify volumetric bone mineral density
    In: Scientific Reports 11 (2021), p. 9697
    ISSN: 2045-2322
    DOI: 10.1038/s41598-021-89111-9
    BibTeX: Download

Friedrich-Alexander-Universität Erlangen-Nürnberg
Lehrstuhl für Mustererkennung (Informatik 5)

Martensstr. 3
91058 Erlangen
  • Contact
  • Login
  • Intranet
  • Imprint
  • Privacy
  • Accessibility
  • RSS Feed
  • Instagram
  • TikTok
  • Mastodon
  • BlueSky
  • YouTube
  • Facebook
  • Xing
  • LinkedIn
  • Community
  • Threads
Up