
Ausgezeichnetes Start-Up am TWINCORE
Frank Pesslers Ausgründung als "Emerging Start-Up" auf der BioVaria 2025 ausgezeichnet
Das TWINCORE wurde 2008 vom Helmholtz-Zentrum für Infektionsforschung und der Medizinischen Hochschule Hannover gegründet. Wir vereinen die Expertise von Medizinern und Wissenschaftlern aus verschiedensten Disziplinen, um gemeinsam Antworten auf die drängenden Fragen der Infektionsforschung zu finden. Unser Fokus: translationale Forschung – die Brücke zwischen Grundlagenwissenschaft und klinischer Anwendung.
Frank Pesslers Ausgründung als "Emerging Start-Up" auf der BioVaria 2025 ausgezeichnet
Hannoveraner Forscher entwickeln Stammzell-basiertes Infektionsmodell
Die Staffel erreicht Platz 536
Wir betreiben translationale Infektionsforschung, um die Prävention, Diagnose und Behandlung von Infektionskrankheiten beim Menschen zu verbessern. Dabei fokussieren wir uns auf drei Themenbereiche, die unsere Forschungsarbeit auszeichnen. Erfahren Sie hier, wie wir vorgehen und welche Ergebnisse wir dabei erzielen.
Unter der Leitung unserer besten Wissenschaftler arbeiten diverse Arbeitsgruppen an verschiedenen Projekten innerhalb unserer Forschungsthemen.
Bartsch Y, Webb N, Burgess E, Kang J, Lauffenburger D, Julg B
Haller R, Cai Y, DeBuhr N, Rieder J, Schlüter D, Baier C, Rohde H, von Köckritz-Blickwede M, Vital M, Winstel V
Chou Y, Cornberg M
Wir untersuchen, wie Antikörper vor einer HCV-Infektion schützen, insbesondere welche Eigenschaften sie bei einer ausheilenden Infektion haben. Ziel ist es, Antikörper zu identifizieren, die für einen wirksamen Impfstoff gegen HCV wichtig sind.
Das CoViPa-Konsortium nutzt computergestützte Hochdurchsatz-Virusentdeckung und evolutionäre Analysen, um RNA-Viren mit hohem Spillover-Risiko und potenzielle tierische Wirtsreservoirs zu identifizieren und neue Pathogenitätsfaktoren zu erforschen.
Dank Hochdurchsatz-Sequenzierung lassen sich Genomsequenzen Hunderter Bakterienstämme effizient analysieren, wodurch Unterschiede von bis zu 60 % im Gengehalt, wie bei E. coli, erkennbar sind. Mithilfe maschinellen Lernens wollen wir Funktionen akzessorischer Gene besser vorhersagen und deren Beitrag zum Überleben in spezialisierten Nischen entschlüsseln.
Wir untersuchen, wie genetische Varianten das Risiko für schwere RSV-Infektionen bei Säuglingen beeinflussen. Durch die Sequenzierung von Exomen und bioinformatische Analysen werden kausale Varianten in Immunitätsgenen identifiziert.