Die Tuberkulose (Tbc) war und ist eine der bedrohlichsten Infektionskrankheiten weltweit. Ca 2 Milliarden Menschen sind mit dem Erreger Mycobacterium tuberculosis infiziert, von denen jährlich 5-10% erkranken. Zunehmende Medikamentenresistenzen erschweren die Behandlung und ein effektiver Impfstoff steht nicht zur Verfügung. Ziel dieses Projektes ist daher die Entwicklung von Transkriptions- und Metabolom-Biosignaturen, die einen neuen Zugang zur Differentialdiagnose darstellen. Mit Hilfe derartiger Biosignaturen sollen nicht nur gesunde Infizierte, gesunde Nichtinfizierte und Tbc-Kranke differenziert werden, sondern in Zukunft auch das Krankheitsrisiko prognostiziert und der Behandlungsverlauf verfolgt werden. Zunächst sollen Daten aus unterschiedlichen, beim Antragsteller bereits vorhandenden, Tbc-Studien gewonnen und auf ein gemeinsames Format gebracht werden. Anschließend werden die Daten standardisiert und über die prädiktive Fähigkeit zwischen den Datensätzen getestet. Diese integrierten und normalisierten Daten werden schließlich über eine intuitive Benutzeroberfläche ausgewertet. Dadurch soll zum einen ein Werkzeug zur Überprüfung statistischer Verfahren in der Datenintegration und dem maschinellen Lernen geschaffen werden. Im Anschluss werden die bereits gewonnen und standardisierten Daten verwendet und daraus potentielle prädiktive und diagnostische Biosignaturen für Tbc abgeleitet. Dabei sollen verschiedene Modelle des maschinellen Lernens verwendet werden, um abschließend folgende Ziele zu erreichen: die leichte Interpretierbarkeit der Daten, die Integration mehrerer Datenquellen und die direkte Anwendbarkeit der Algorithmen auf neu gewonnene Daten. Die auf diese Weise entwickelten Biosignaturen werden abschließend an de novo gesammelten Proben validiert. Außerdem werden die entwickelten Modelle von Tbc auf Sepsiserreger übertragen.