Verlässlichere Erkenntnisse aus biologischen Experimenten

Die meisten klinischen Studien scheitern.

Athenata hilft Ihnen durch Bayesianische Biostatistik zu einer soliden Präklinik, wodurch eine bessere Grundlage für klinische Studien geschaffen wird

Biologische Experimente sind häufig schwierig auszuwerten: Da die Datenmenge begrenzt, die Varianz groß und die Effektgrößen klein sind, kann man mit Standardmethoden sehr einfach in die Irre geführt werden. Die Folgen davon sind enorm: Allein in den USA führen nicht-replizierbare Ergebnisse in der Präklinik zu einem Schaden von 28 Mrd. $ pro Jahr. Wenn man die statistische Auswertung an die Experimente anpasst, Ihr Fachwissen mit einbringt und Informationen aus verschiedenen Quellen verknüpft, kann man zu deutlich zuverlässigeren Ergebnissen, selbst mit weniger Daten, gelangen. Athenata leistet das mit neuesten Methoden der Bayesianischen Datenanalyse.

... So konnten wir neue Erkenntnisse erhalten, die für die weitere Entwicklung unseres Produktkandidaten wichtig sein könnten und die wir mit Standardverfahren nicht erhalten hätten.

Dr. Marcus Kostka

Abalos Therapeutics GmbH

Lesen Sie hier das vollständige Statement

Genexpressions­analyse

In der Genforschung wächst mit neuen Sequenziermethoden die Datenmenge – man sieht den Wald vor lauter Bäumen nicht. Mit Bayesianischen Methoden lassen sich aus einer Vielzahl von Variablen diejenigen auswählen, auf die es wirklich ankommt.

Biomarker-Identifikation

Welche Biomarker sind geeignet, um Zelltypen oder Behandlungs- und Kontrollgruppen voneinander zu unterscheiden? Mit Bayesianischen Methoden kann man ein minimales Subset auswählen, das Unterschiede bestmöglich charakterisiert.

Experimental Design

Wie groß müssen Stichproben sein? Wie strukturiert man Experimente, sodass möglichst geringe Kosten entstehen?

Virale Sequenzanalyse

Wie korreliert man Host-Faktoren mit dem Aufkommen von Mutationen im viralen Genom?
Bayes
Gründe für zuverlässige Ergebnisse

In vielen Punkten unterscheiden sich Bayesianische Methoden von der üblichen Herangehensweise in der Biostatistik. Dies sind die relevantesten.

Wir sind nicht auf der Suche nach „statistischer Signifikanz“, sondern quantifizieren die Unsicherheit der Aussagen, die sich auf Grundlage experimenteller Daten machen lassen.

Im Gegensatz zu konventionellen Methoden können wir unsere Bayesianischen Modelle überprüfen und iterativ verbessern. Dadurch lernen wir, an welchen Stellen ein Modell Schwachstellen hat und in welchen Situationen es besonders zuverlässig funktioniert.

Ihre Expertise in Ihrem Fachgebiet ist eine wertvolle Ressource, die nicht vernachlässigt werden sollte. Im Gegensatz zu anderen Methoden betrachten wir nicht nur die „harten Daten“, sondern bringen Ihr Fachwissen mit Bayesianischen Methoden (z. B. durch prior elicitation) in die Analyse ein und können Informationen aus verschiedenen Quellen unter Berücksichtigung der Unsicherheit miteinander verknüpfen.

Referenzen

Durch die Forschung am Lehrstuhl für Bioinformatics and Computational Biophysics der Universität Duisburg-Essen sowie Kundenprojekte konnten schon mehrfach die Vorteile Bayesianischer Statistik gezeigt werden.

CASE STUDY 1

Merkel Cell Carcinoma

Das Merkelzell Karzinom ist eine seltene und aggressive Form des Hautkrebs mit einer Mortalitätsrate von etwa 33%. Da nur wenige und unvollständige Daten zu dieser Krankheit vorliegen, ist die Identifikation von Risikofaktoren herausfordernd. Mit unserem Bayesianischen Ansatz konnten wir in einem Kollaborationsprojekt teilweise fehlende Datenpunkte mit in die Analyse einfließen lassen und somit unter Berücksichtigung der Unsicherheit mehr aus den vorhandenen Daten lernen.

CASE STUDY 2

HAMdetector

Viren übertragen sich durch Ansteckung, wodurch sie einen gemeinsamen phylogenetischen Ursprung haben. Virale Sequenzen sind deshalb nicht unabhängig voneinander. Die meisten statistischen Methoden setzen allerdings Unabhängigkeit zwischen den Datenpunkten voraus und können dementsprechend nicht ohne weiteres angewandt werden. In unserem Bayesianischen Modell werden alle relevanten biologischen Faktoren berücksichtigt und so Informationen aus verschiedenen (unsicheren) Quellen miteinander verknüpft.

Kundenprojekt

„Abalos Therapeutics GmbH mit Sitz in Düsseldorf ist eine Firma im Bereich Wirkstoffentwicklung in der Immunonkologie. Mit Hilfe der firmeneigenen Fast-Evolution-Plattform generiert Abalos virale Varianten mit optimierten Anti-Tumoreigenschaften, die eine hochpräzise und gezielte Immunreaktion auslösen, die selbst weit entfernte Metastasen bekämpfen und eine langfristige Krankheitskontrolle ermöglichen. Die Produktkandidaten von Abalos haben das Potenzial, eine Reihe von soliden Krebsarten zu behandeln und auch die Wirkung zugelassener immunonkologischer Medikamente zu verstärken.

Die Forschung und Entwicklung bei Abalos erzeugt komplexe biologische Daten, die häufig mit konventionellen statistischen Methoden nicht angemessen ausgewertet werden können.

Die maßgeschneiderte quantitative Datenanalyse der Firma Athenata hat im Rahmen eines Pilotprojektes maßgeblich dazu beigetragen, die komplexen biologischen Zusammenhänge einer anti-tumoralen Wirkung unserer optimierten Viren auf statistische Modelle abzubilden. So konnten wir neue Erkenntnisse erhalten, die für die weitere Entwicklung unseres Produktkandidaten wichtig sein könnten und die wir mit Standardverfahren nicht erhalten hätten.“

Dr. Marcus Kostka

Abalos Therapeutics GmbH

Kundenprojekt

Abalos Therapeutics GmbH mit Sitz in Düsseldorf ist eine Firma im Bereich Wirkstoffentwicklung in der Immunonkologie. Mit Hilfe der firmeneigenen Fast-Evolution-Plattform generiert Abalos virale Varianten mit optimierten Anti-Tumoreigenschaften, die eine hochpräzise und gezielte Immunreaktion auslösen, die selbst weit entfernte Metastasen bekämpfen und eine langfristige Krankheitskontrolle ermöglichen. Die Produktkandidaten von Abalos haben das Potenzial, eine Reihe von soliden Krebsarten zu behandeln und auch die Wirkung zugelassener immunonkologischer Medikamente zu verstärken.

Die Forschung und Entwicklung bei Abalos erzeugt komplexe biologische Daten, die häufig mit konventionellen statistischen Methoden nicht angemessen ausgewertet werden können.

Die maßgeschneiderte quantitative Datenanalyse der Firma Athenata hat im Rahmen eines Pilotprojektes maßgeblich dazu beigetragen, die komplexen biologischen Zusammenhänge einer anti-tumoralen Wirkung unserer optimierten Viren auf statistische Modelle abzubilden. So konnten wir neue Erkenntnisse erhalten, die für die weitere Entwicklung unseres Produktkandidaten wichtig sein könnten und die wir mit Standardverfahren nicht erhalten hätten

Dr. Marcus Kostka

Abalos Therapeutics GmbH

Kontaktieren Sie uns gerne!

kontakt@athenata.com

 

Telefon: +49 1573 4858376

Mail: kontakt@athenata.com