@phdthesis{Balonov2023, author = {Balonov, Ilja}, title = {Untersuchung des Metaboloms von Patienten mit Adipositas III° vor und nach chirurgischer bzw. konservativer Therapie (W{\"u}rzburg Adipositas Studie) sowie im Tiermodell}, doi = {10.25972/OPUS-32828}, url = {http://nbn-resolving.de/urn:nbn:de:bvb:20-opus-328286}, school = {Universit{\"a}t W{\"u}rzburg}, year = {2023}, abstract = {Die Auswirkungen der chirurgischen und konservativen Adipositastherapie auf das Metabolom sind bisher nicht eindeutig gekl{\"a}rt. Der Ver{\"a}nderung bestimmter Metaboliten, darunter den verzweigtkettigen Aminos{\"a}uren (BCAA) und den langkettigen Phosphatidylcholinen (PC) bzw. Lecithinen, wird eine tragende Rolle im Zucker- und Fettstoffwechsel zugesprochen. Eine Erhebung von metabolomischen Profilen und deren funktionelle Aufteilung in Aminos{\"a}uren- und Lipidprofile bietet eine neue M{\"o}glichkeit zur Charakterisierung des Stoffwechsels. Im Vergleich zu der konservativen Therapie wurde nach der RYGB Operation ein signifikanter Anstieg der Lecithine sowie ein signifikanter Abfall der BCAA festgestellt, welche als m{\"o}gliche Biomarker des Zucker- und Fettstoffwechsels gezeigt wurden. In Zusammenschau der Ergebnisse kann angenommen werden, dass die chirurgische Therapie der konservativen Therapie, wie sie in der WAS durchgef{\"u}hrt wurde, im Hinblick auf den Gewichtsverlust und die Verbesserung des Zucker- und Fettstoffwechsels {\"u}berlegen ist. Die Erhebung des Metaboloms bietet eine neue M{\"o}glichkeit Unterschiede im Stoffwechsel nach Adipositastherapie abzubilden und Metaboliten zu identifizieren, welche mit dem Zucker- und Fettstoffwechsel assoziiert sind.}, subject = {Adipositas}, language = {de} } @phdthesis{Wagner2008, author = {Wagner, Silvia}, title = {Identifizierung von Biomarkern mittels LC-MS-basiertem Metabonomics - Merkapturs{\"a}uren als Indikatoren f{\"u}r die Bildung toxischer Intermediate}, url = {http://nbn-resolving.de/urn:nbn:de:bvb:20-opus-35760}, school = {Universit{\"a}t W{\"u}rzburg}, year = {2008}, abstract = {Metabonomics bildet das Ende der Omics-Kaskade und stellt eine top-down-Strategie zur Erfassung und Interpretation des Metaboloms, d. h. der Gesamtheit aller niedermolekularen Metaboliten in einem intakten Organismus, dar. Ziel der Technik ist es, mittels geeigneter ungerichteter Screeningverfahren in nicht-invasiv zu gewinnenden biologischen Proben wie Urin oder Blut charakteristische Metabolitenprofile zu bestimmen. Im Kontext des Metabonomics wurde in Anlehnung an den Geno- bzw. Ph{\"a}notyp hierf{\"u}r der Begriff „Metabotyp" gepr{\"a}gt. Durch biostatistische Methoden, die auf Mustererkennung (pattern recognition) basieren, k{\"o}nnen Signaturen gegen{\"u}bergestellt und auf diesem Weg gruppenspezifische Metaboliten, d. h. Biomarker bzw. Metabolitenmuster, extrahiert werden. Metabonomics kann folglich als Fusion klassischer bioanalytischer und biostatistischer Verfahren aufgefasst werden. Seit der Einf{\"u}hrung im Jahr 1999 hat sich das Konzept des Metabonomics in mehrere Richtungen weiterentwickelt. So gab es Bestrebungen, die Technik, die urspr{\"u}nglich zur Pr{\"a}diktion von toxischen Effekten bei der Arzneistoffentwicklung etabliert wurde, auf Fragestellungen zu {\"u}bertragen, die den Menschen im Mittelpunkt haben. Neben pr{\"a}klinischen Anwendungen verfolgt man mit Metabonomics zunehmend das Ziel, einer personalisierten Medizin und Ern{\"a}hrung einen Schritt n{\"a}her zu kommen. Da sich die urspr{\"u}nglich eingesetzte NMR-Technik als zu unempfindlich und die resultierenden Metabolitenprofile als zu anf{\"a}llig gegen{\"u}ber biologischen und analytischen Einflussgr{\"o}ßen (Confoundern) erwiesen haben, wurde parallel auf sensitivere Verfahren wie die Massenspektrometrie gesetzt. Insbesondere die Kopplung mit der Hochdruckfl{\"u}ssigchromatographie erwies sich hierbei f{\"u}r das Metabolitenscreening als geeignet. Schnell wurde allerdings klar, dass aus den klassischen full scan/TOF-Methoden Datens{\"a}tze resultierten, die h{\"a}ufig zu komplex waren, um mit nachgeschalteten chemometrischen Verfahren die „Spreu vom Weizen trennen" zu k{\"o}nnen. Da sich Metabolitendatenbanken bisher noch im Aufbau befinden, ist die Identifizierung der Marker mit zus{\"a}tzlichen Schwierigkeiten verbunden und bedarf aufw{\"a}ndiger analytischer Verfahren. Eine Strategie stellt daher die Beschr{\"a}nkung auf ein Metabolitensubset dar. Indem man sich auf Metabolitenklassen fokussiert, die einen Bezug zum untersuchten Mechanismus haben, k{\"o}nnen die Erfolgsaussichten bei der Identifizierung charakteristischer Biomarker deutlich erh{\"o}ht werden. Aufgrund zahlreicher exogener und endogener Faktoren (Arzneistoffe, Industriechemikalien, Nahrungsbestandteile, Tabakrauchbestandteile, Produkte der Lipidperoxidation etc.) ist der menschliche Organismus stets einer Vielzahl an elektrophilen Verbindungen ausgesetzt. Oxidative Sch{\"a}digungen an Strukturen wie der DNA, Proteinen und Lipiden werden mit einer Reihe von Krankheitsbildern in Zusammenhang gebracht, darunter Parkinson, Alzheimer, Krebs und Volkskrankheiten wie Arteriosklerose, Allergien und koronare Herzerkrankungen. Mit dem Glutathionsystem verf{\"u}gt der K{\"o}rper {\"u}ber einen wirksamen Detoxifizierungsmechanismus. Das Tripeptid Glutathion reagiert als Nukleophil mit den exogen oder endogen gebildeten elektrophilen Intermediaten. Endprodukte sind Merkapturs{\"a}uren (N-Acetyl-L-Cystein-Addukte) bzw. deren Sulfoxide, die in erster Linie mit dem Urin ausgeschieden werden. Folglich besteht zwischen diesen Merkapturs{\"a}urederivaten und der elektrophilen Belastung eines Organismus ein direkter Zusammenhang. Vor diesem Hintergrund war es das Ziel der Arbeit, einen nicht-invasiven Metabonomicsansatz zur Anwendung am Menschen zu entwickeln. Durch die Fokussierung des Metabolitenscreenings auf die Effekt-, Dosis- und Suszeptibilit{\"a}tsmarkerklasse der Merkapturs{\"a}uren sollten hierbei die Erfolgsaussichten im Hinblick auf die Identifizierung potentieller Biomarker f{\"u}r diverse toxikologische sowie medizinische Endpunkte erh{\"o}ht werden.}, subject = {Metabolom}, language = {de} }