Forschende der TU Dresden und Partneruniversitäten haben eine Plattform entwickelt, die fragmentierte Lipiddaten aus internationalen Datenbanken automatisiert zusammenführt – und damit die Suche nach neuen Biomarkern und Therapien deutlich beschleunigt.
Lipide spielen eine zentrale Rolle bei der Entstehung von Herz-Kreislauf-Erkrankungen, Diabetes und neurologischen Störungen. Doch die Auswertung von Lipiddaten ist bislang aufwändig: Relevante Informationen sind über zahlreiche internationale Datenbanken verteilt, unterschiedlich benannt und kaum effizient vergleichbar. Eine neue Open-Source-Plattform namens LipidLibrarian schafft jetzt Abhilfe – und könnte die Lipidforschung grundlegend verändern. Die Beschreibung der Plattform ist im Journal of Lipid Research erschienen.
Das Problem: Fragmentierte Daten, inkonsistente Nomenklatur
Wer Lipiddaten auswertet, kennt das Problem: Zwischen Datenbanken wie LIPID MAPS, SwissLipids und ALEX123 wechseln, unterschiedliche Benennungskonventionen abgleichen, Moleküleigenschaften manuell zusammenführen – das kostet Zeit und birgt Fehlerquellen.
„Bei der Auswertung von Lipiden wechselt man häufig zwischen Forschungsdatenbanken hin und her. Dabei werden Lipide in verschiedenen Datenbanken unterschiedlich benannt, sodass man nicht immer zuverlässig dasselbe Lipid findet. Das erschwert und verlangsamt die Auswertung erheblich.“
Felix Niedermaier
Hauptentwickler von LipidLibrarian und Erstautor der Studie sowie Forscher am Institut für Analytische Chemie der Universität Wien.
Die Lösung: Automatisierte Datenzusammenführung auf einer Oberfläche
LipidLibrarian löst dieses Problem durch automatisierte Harmonisierung und transparente Darstellung von Lipiddaten aus den wichtigsten internationalen Quellen. Forschende können Lipide über Namen, wissenschaftliche Codes oder Molekülmassen suchen und erhalten übersichtlich aufbereitete Ergebnisse inklusive aller Quellenangaben – auf einer einzigen, benutzerfreundlichen Oberfläche.
Entwickelt wurde die Plattform von Forschenden der Technischen Universität Dresden (TUD) in Kooperation mit der Universität Wien, der Technischen Universität München und der Universität Heidelberg.
Relevanz für die kardiovaskuläre Forschung und klinische Praxis
Für Kardiologen ist die Plattform besonders interessant: Lipidprofile gelten als vielversprechende Biomarker für kardiovaskuläre Erkrankungen. LipidLibrarian beschleunigt die Identifikation solcher Marker, indem es Moleküleigenschaften und Funktionen verschiedener Lipide automatisiert zusammenführt und gemeinsam darstellt.
An der Hochschulmedizin Dresden wird das System bereits erfolgreich für Hochdurchsatzanalysen eingesetzt – insbesondere in klinisch orientierten Projekten, in denen Lipidprofile als potenzielle Biomarker untersucht werden. Die erhöhte Reproduzierbarkeit der Ergebnisse kommt dabei besonders translationalen Forschungsprojekten zugute.
„Mit LipidLibrarian haben wir ein Werkzeug geschaffen, das sich viele Forschende gewünscht haben. Das Zusammenführen fragmentierter Daten auf einer Plattform spart wertvolle Zeit und ermöglicht es, das Zusammenspiel verschiedener Moleküle in Krankheitsprozessen auf einen Blick zu erfassen. So lassen sich Krankheitsmechanismen besser und schneller erkennen und neue, präzisere Therapieansätze erforschen und entwickeln.“
Dr. Josch Pauling
Ideengeber und Projektleiter von LipidLibrarian sowie Forschungsgruppenleiter am Institut für Klinische Chemie und Laboratoriumsmedizin des Universitätsklinikums Dresden.
Open Source: Grundlage für internationale Zusammenarbeit
Der Quellcode und alle Daten sind frei zugänglich – ein bewusstes Designprinzip, das internationale Kollaborationen in der Lipidforschung fördern soll. „LipidLibrarian zeigt, wie datengetriebene Forschung heute funktionieren muss: transparent, reproduzierbar und international vernetzt“, betont Prof. Esther Troost, Dekanin der Medizinischen Fakultät der TUD.
Die Plattform ist unter lipidlibrarian.ciobio.io frei verfügbar.
Originalpublikation: Niedermaier F et al. Navigating the lipid universe with LipidLibrarian: a cross-linked database for lipidomics data integration. J Lipid Res. 2026 Jul; 67(7): 101049. doi: 10.1016/j.jlr.2026.101049
Quelle: Technische Universität Dresden
