Biomarker des Alterns erleben in den heutigen Tagen einen neuen Aufschwung in der biomedizinischen Forschung. Hintergrund dafür sind alte und neu entwickelte Messmethoden zur Analyse von Hochdurchsatzdaten, die fester Bestandteil von interdisziplinären und internationalen Studien geworden sind. Die letzten Jahrzehnte haben gezeigt, dass der Durchschnitt der Bevölkerung immer älter wird und speziell altersabhängige Krankheiten stetig zunehmen. Ergebnisse von Altersstudien sollen diagnostische Verfahren und Therapien, vor allem aber die Früherkennung und Prävention von Krankheiten verbessern. Um die biologischen Effekte des Alterns im Menschen zu untersuchen finanziert die Europäische Kommission die „MARK-AGE“ Studie, die sich mit dem Auffinden von Biomarkern des Alterns befasst.
Eine der wichtigsten Voraussetzungen für eine erfolgreiche Studie ist das Vorhandensein einer funktionstüchtigen Datenbank. Die Designs bereits publizierter Studien konnten als Leitfaden genutzt werden, aber individuelle Bedürfnisse müssen an die Projektspezifische Datenbank angepasst werden. Aus diesem Grund beschäftigt sich diese Arbeit mit den Arbeitsschritten die notwendig waren, um die MARK-AGE Datenbank zur Benutzung bereitzustellen. In einem ersten Schritt wurde der „Konstanz Information Miner“ (KNIME), ein Programm das an der Universität Konstanz speziell für verschiedene Datenanalysen entwickelt wurde, an die Kontrolle des Dateneingangs und die kontinuierlich Datenüberwachung angepasst. Während der laufenden Arbeit wurden Werkzeuge aus der beschreibenden Statistik genutzt, um die Datenqualität zu prüfen und Probleme in den Daten frühzeitig zu erkennen. Gefundene Probleme waren fehlende Werte, Ausreißer und Gruppeneffekte die nicht in einem generellen Schritt aus der Datenbank entfernt werden konnten. Diese These beschreibt, warum spezifische Lösungsansätze für bestimmte Auswertungsverfahren nötig waren und zeigt repräsentative Beispiele. Unerlässlich in großen Studien sind die Kommunikation von Problemen und visuelle Verbreitung von Ergebnissen, sowohl im Datenbankteam als auch unter den Projektpartnern. Die Arbeit zeigt wie der KNIME Server und das KNIME WebPortal als Kommunikations-Plattform genutzt wurden, um die verschiedenen Instanzen mit den nötigen Informationen zu versorgen.
Nachdem die Datenbank vorbereitet wurde, mussten mathematische Modelle etabliert werden, um die zu den Hypothesen des Projektes passenden Biomarker in den Daten zu finden. In früheren Studien wurde gezeigt, dass einzelne Parameter es nicht schafften als Vertreter des biologischen Alterns zu fungieren. Deswegen wurde in dieser Studie versucht verschiedene Parameter so zu kombinieren, dass diese einen biologischen Alters-Score repräsentieren. Durchgeführte Analysen an Einzelparametern der MARK-AGE Daten zeigten signifikante Geschlechtsunterschiede. Aufgrund dessen wurden separate Biomarker Analysen für männliche und weibliche Probanden durchgeführt. Parameter für die Altersformel wurden über eine “feature elimination“ ausgewählt und mithilfe eines linearen Regressionsmodels kombiniert. Für die Evaluierung der gefundenen Altersformel, wurden erfolgreiche Korrelationen, mit einer schnell alternden Kontrollgruppe, den Down-Syndrom Patienten durchgeführt. Vermutete, langsam alternde Subgruppen in den Daten konnten nicht bestätigt werden. In einem zweiten Ansatz sollten Scores, die zum Beispiel den Zustand einer Person bezüglich ihres physischen oder metabolischen Status beschreiben, genutzt werden um die Formel weiter zu evaluieren. Bis heute ist kein System bekannt, mit dem solche biologischen Scores, aus einem Set von Daten ohne Hintergrundwissen berechnet werden können. Deswegen beschäftigt sich diese Arbeit mit einem ersten Versuch ein mathematisches Modell mithilfe der empirischen Verteilungsfunktion aufzustellen, um solche Scores berechnen zu können.
Zusammenfassend zeigt diese Studie die nötigen Schritte der Datenbankbereitstellung in Bezug auf Dateneingabe, Bereinigung und Qualitätskontrolle. Ein Überblick über die verwendeten Dokumentations- und Kommunikationswege wird gegeben. In einem weiteren Schritt wird die Entwicklung der Altersformel und erste Ansätze eines mathematischen Modells, für die Berechnung funktioneller Scores beschrieben.