NanoToxClass - Etablierung von Nanomaterial Gruppierungs-/ Klassifizierungsstrategien auf Basis der Toxizität und zur Unterstützung der Risikobewertung

Die Akzeptanz der Schlüsseltechnologie "Nanotechnologie" hängt von der Klärung des inhärenten Risikos für die menschliche Gesundheit ab. Um die Risikobewertung zu erleichtern ist es nötig Gruppierungsstrategien für die verschiedenen Variationen von NMs zu entwickeln. Eine Gruppierung kann auf verschiedenen Prinzipien beruhen, wie z.B. auf Materialeigenschaften, dem Einfluss auf das Ökosystem, oder aber auf toxikologischen Effekten gegenüber Menschen oder Tieren. Dazu müssen neben physikochemischen Eigenschaften toxikologische Endpunkte ausgewählt werden, welche möglichst quantitativ messbar und prädiktiv sind. Um die Toxizitätsmechanismen zu erfassen sollen insbesondere Omics-Techniken wie Trianskriptomics- Proteomics und Metabolomics angewendet werden. Die Aggregation und Integration von molekularen Signaturen hin zur Beschreibung von betroffenen Signalwegen und "Advers outcome pathways" wird die Reproduzierbarkeit und den prädiktiven Wert der Gruppierungen von NMs deutlich erhöhen. Die Departments Proteomics und Metabolomics am UFZ beteiligen sich insbesondere an der Untersuchung der Toxizitätsmechanismen. In diesem Arbeitspaket sollen unterschiedliche Omik-Technologien eingesetzt werden, um sowohl Toxizitätsmechanismen, als auch induzierte Zellsignaltransduktionswege aufzuzeigen. Damit lassen sich Toxizitätsprofile ableiten und zu Grunde liegende Signaltransduktionswege bzw. Stoffwechselwege für die Toxizität identifizieren. Hier soll sowohl Lungengewebe bzw. Serum aus in vivo Inhalationsstudien, als auch Zellmaterial aus in vitro Tests vergleichend untersucht werden. Ein Partner (BfR) wird dabei das in vitro Material für alle Omik-Versuche herstellen, um damit die Vergleichbarkeit der Daten zu gewährleisten. Vergleichsproben werden auch im Tierexperiment erhoben. Die Rohdaten und die Pathwayauswertungen werden den Kooperationspartnern zur Verfügung gestellt, um dann die Integration von zellulären, Transkriptom-, Proteom- und Metabolomdaten vornehmen zu können.