| Förderkennzeichen: | 01EJ2501A |
| Fördersumme: | 1.517.403 EUR |
| Förderzeitraum: | 2026 - 2027 |
| Projektleitung: | Prof. Dr. Rafael Kramann |
| Adresse: |
Rheinisch-Westfälische Technische Hochschule Aachen, Fakultät 10, Medizinische Klinik II, Klinik für Nieren- und Hochdruckkrankheiten, rheumatologische und immunologische Erkrankungen Pauwelsstr. 30 52074 Aachen |
Fibrotische Veränderungen können in jedem Organ in Folge von wiederholten entzündlichen Reaktionen auftreten, zerstören den zellulären Aufbau des Organs und resultieren im Verlust der Organfunktion. Fibrotische Erkrankungen sind für ca. 45% aller Todesfälle in den Industrienationen verantwortlich und stellen somit ein großes Problem im Gesundheitswesen dar. Bis heute existieren keine Therapieoptionen für fibrotische Erkrankungen der meisten Organsysteme. Das CureFib-Konsortium hat in der ersten Förderphase hochauflösende, multimodale, raumzeitliche Karten der Fibroseprozesse in Niere und Knochenmark erstellt. Diese liefern erstmals tiefgreifende Einblicke in die Krankheitsmechanismen und ermöglichen die Identifikation potenzieller neuer Therapieziele. In der zweiten Förderphase sollen diese Daten in Richtung klinischer Anwendung weiterentwickelt werden. Ziel ist es, hochdurchsatzbasierte CRISPR-Screening-Experimente zur Validierung neuer Zielstrukturen durchzuführen, geeignete bereits verfügbare Wirkstoffe für eine schnelle klinische Erprobung zu identifizieren und mithilfe fortgeschrittener Künstlicher Intelligenz (KI)-Methoden neue Wirkstoffe zu entwickeln, die anschließend experimentell im Labor überprüft werden. An der RWTH Aachen werden die geplanten CRISPR-Screening-Experimente in den jeweiligen Schüsselzellen der Nieren- und der Knochenmarksfibrose durchgeführt. Es werden nur Zielgene einbezogen, die Organ-übergreifend konserviert sind. Anschließend werden existierende Zielmolekül-spezifische Wirkstoffe in Zellen und Organoiden getestet, um Wirkstoffe zu identifizieren, die Organ-übergreifend wirken. Für die am besten geeigneten Zielmoleküle, für die noch keine Wirkstoffkandidaten existieren, werden Proteinstruktur-Modelle in Kombination mit KI-Tools oder in silico-Screening genutzt, um Bindemoleküle zu identifizieren.