Identifizierung maternaler Metabolitsignaturen, die mit der frühen Entwicklung von Ferkeln in Verbindung stehen, mithilfe von maschinen Lernen und Systembiologie

Die frühe Entwicklung von Ferkeln wird maßgeblich durch maternale biologische Faktoren, insbesondere das Kolostrum, geprägt. Dieses liefert nicht nur Nährstoffe und Immunschutz, sondern auch eine Vielzahl bioaktiver Metaboliten, die die metabolische Anpassung, die Darmreifung und das Überleben der Neugeborenen beeinflussen. Obwohl zunehmend Hinweise darauf bestehen, dass die maternale Physiologie sowohl die Kolostrumzusammensetzung als auch die frühe mikrobielle Besiedlung der Nachkommen beeinflusst, sind die direkten metabolischen Verbindungen zwischen den biologischen Kompartimenten der Sau und dem systemischen Stoffwechsel der Neugeborenen noch unzureichend erforscht. Die Schließung dieser Wissenslücke ist wichtig für die Weiterentwicklung von Strategien zur Verbesserung der Robustheit von Ferkeln in der modernen Schweineproduktion. Dieses Projekt zielt darauf ab, maternale und metabolische Fingerabdrücke bei Schweinen zu definieren, indem korrespondierende Metabolomik-Datensätze aus Sauenplasma, Sauenkolostrum und Ferkelplasma mithilfe von maschinellem Lernen und systembiologischen Ansätzen integriert werden. Die Arbeit wird im Rahmen einer Forschungskooperation an der Veterinärmedizinischen Universität Wien (Vetmeduni) anhand von vorhandenen Metabolomik-Datensätzen durchgeführt. Jüngste Studien des Gastlabors zeigten, dass die Parität der Sau das Kolostrum-Metabolom von Schweinen signifikant beeinflusst und dass die mütterliche Mikrobiomdynamik während der Laktation zur Darmbesiedlung von Saugferkeln und frisch abgesetzten Ferkeln beiträgt. Aufbauend auf diesen Erkenntnissen geht das vorgeschlagene Projekt über die deskriptive Profilierung hinaus und identifiziert mütterliche Metabolit-Signaturen, die mit dem systemischen Stoffwechselstatus der Neugeborenen assoziiert sind. Anhand von gepaarten Daten von säugenden Sauen und ihren Ferkeln wendet die Studie einen mehrstufigen computergestützten Workflow an, der Datenvorverarbeitung, Normalisierung, explorative multivariate Analyse, Merkmalsselektion und integrative biologische Interpretation umfasst. Maschinelle Lernverfahren wie Random Forest, Boruta und LASSO werden eingesetzt, um robuste mütterliche Metabolite und Metabolitkombinationen zu identifizieren, die die Plasmaprofile von Ferkeln unterscheiden oder vorhersagen. Diese Kandidaten-Biomarker werden anschließend mittels Pathway Enrichment und topologischer Netzwerkanalyse interpretiert, um biologisch relevante mütterlich-neonatale Stoffwechselbeziehungen und zentrale Hub-Metabolite aufzudecken. Das Projekt besitzt einen klaren wissenschaftlichen und strategischen Wert. Wissenschaftlich wird es neue Erkenntnisse über das mütterlich-nachkommenbedingte Stoffwechselkontinuum bei jungen Ferkeln liefern und einen reproduzierbaren rechnergestützten Rahmen für die integrative Metabolomanalyse etablieren. Institutionell wird es die Zusammenarbeit zwischen der Walailak-Universität und der Vetmeduni Wien durch Wissenstransfer, gemeinsame Publikationen und die Entwicklung zukünftiger bilateraler Forschungsinitiativen stärken. Darüber hinaus wird die Studie eine Grundlage für biomarkergestützte mütterliche Interventionsstrategien zur Verbesserung der Gesundheit, Resilienz und Produktivität von Ferkeln schaffen und gleichzeitig den Wert der Kombination von veterinärmedizinischer Metabolomik mit interpretierbarem maschinellem Lernen in der translationalen Tiergesundheitsforschung demonstrieren.

Oead - ASEA-UNINET Call

Walailak University
Funktion: Partner
Abteilung: Akkhraratchakumari Veterinary College