Forschende der TU Braunschweig, der MHH und der TiHo Hannover identifizierten spezifische Geruchssignaturen beim Post-COVID-Syndrom. Das Projekt „COVID Dogolomics“ zeigt eine hohe Konformität zwischen biologischen und instrumentellen Detektionssystemen. Speziell trainierte Spürhunde und moderne massenspektrometrische Analysen lieferten übereinstimmende Ergebnisse. Gekoppelt mit Machine-Learning-Verfahren eröffnen diese Stoffwechselmuster innovative diagnostische Ansätze für die klinische Praxis.
Mangel an objektiven diagnostischen Biomarkern
Obwohl weltweit Millionen Menschen an Long COVID leiden, fehlen bisher objektive laboranalytische Verfahren. Die klinischen Symptome wie chronische Fatigue oder Belastungsintoleranz sind unspezifisch. Sie erschweren eine eindeutige Abgrenzung von anderen Krankheitsbildern. „Für viele Betroffene ist die Situation bis heute schwierig, weil wir noch immer nicht genau verstehen, welche biologischen Prozesse hinter Long COVID stehen“, sagt Professor Karsten Hiller. „Deshalb suchen wir nach messbaren Stoffwechselveränderungen, die uns helfen können, die Erkrankung besser zu charakterisieren und langfristig objektivere Diagnoseverfahren zu entwickeln.“
Multidisziplinäre Studienstruktur und Probenanalytik
Das Verbundprojekt nutzt die klinische Expertise der MHH für Patientenkohorten und Bioproben. Die TiHo Hannover testete die Proben olfaktorisch mittels trainierter Spürhunde. Die TU Braunschweig übernahm die massenspektrometrische Analytik und die bioinformatische Auswertung. Ziel ist die Dekodierung der zugrunde liegenden metabolischen Signaturen.
Hochauflösende VOC-Analytik aus Mikroproben
Die analytische Basis entwickelte Lea Woyciechowski an der TU Braunschweig. Die Methode erfasst flüchtige organische Verbindungen (Volatile Organic Compounds, VOCs) hochauflösend aus minimalen Urinvolumina. Diese gaschromatographisch und massenspektrometrisch trennbaren Moleküle spiegeln endogene metabolische Prozesse wider. Die gewonnenen Datensätze dienen als Input für mathematische Klassifikationsmodelle. „Flüchtige Stoffwechselprodukte sind gewissermaßen chemische Fingerabdrücke biologischer Vorgänge“, erklärt Lea Woyciechowski. „Wir wollten herausfinden, ob sich die Signatur, die die Hunde wahrnehmen, auch analytisch erfassen und mit datengetriebenen Methoden beschreiben lässt.“
Validierung durch orthogonale Detektionssysteme
Die Spürhunde klassifizierten Long-COVID-Proben zuverlässig differenzierend zu gesunden Kontrollen und phänotypisch ähnlichen Erkrankungen. Die chemometrische Auswertung der Massenspektren bestätigte diese biologische Differenzierung. Die statistischen Machine-Learning-Modelle identifizierten dieselben Probencluster als hochgradig auffällig. Zwei orthogonale Detektionssysteme detektierten somit unabhängig voneinander identische stoffwechselabhängige Signalmuster.
„Dass zwei völlig unterschiedliche Detektionssysteme unabhängig voneinander dieselbe Signatur erkennen, ist wissenschaftlich besonders spannend“, sagt Professor Hiller. „Das gibt uns zusätzliche Sicherheit, dass wir tatsächlich relevante biologische Veränderungen beobachten und nicht nur statistische Zufallseffekte.“
Strukturaufklärung der potenziellen Biomarker
Das Konsortium identifizierte bereits mehrere signifikante Molekülkandidaten für die Stoffwechselsignatur. Deren exakte chemische Strukturformel muss in kommenden Studien mittels MS/MS-Kopplung final verifiziert werden. Anschließend erfolgt die experimentelle Validierung der Reinsubstanzen. Es gilt zu prüfen, ob es tatsächlich diese Verbindungen sind, die die Hunde wahrnehmen.