Lennart Müller, M.Sc., ein Doktorand am Institut für Neurophysiologie, erhielt den „MesiSIG Prize for Excellence and Trustworthiness“ für sein Poster auf dem 9. International Congress on Neuropathic Pain (NeuPSIG), der vom 4. bis 6. September 2025 in Berlin stattfand. MESISIG steht für „Methodology, Evidence Synthesis, and Implementation Special Interest Group “. Mit diesem Preis werden Abstract-Einreichungen ausgezeichnet, die hohe methodische Standards und eine besondere Vertrauenswürdigkeit der Forschung erfüllen.
In seinem Posterabstract stellte Lennart Müller, unter der Betreuung von Univ.-Prof. Dr. Angelika Lampert und Jun.-Prof. Dr. Tigerholm, seine Arbeit „PyPatch – a transparent patch clamp analysis framework applied to erythromelalgia disease modelling“ vor. Dabei handelt es sich um ein neues, in Python entwickeltes Analyse-Framework, das elektrophysiologische Daten effizienter und gleichzeitig transparenter auswertet. Die Toolbox PyPatch ermöglicht das automatische Analysieren großer Datensätze, legt jedoch besonderen Wert auf die detaillierte Überprüfung und Interpretation der Ergebnisse durch die Anwenderinnen und Anwender.
Das Projekt nutzte PyPatch für die Analyse von Whole-Cell-Patch-Clamp-Messungen, die an menschlichen sensorischen Neuronen durchgeführt wurden. Diese Neuronen wurden aus induzierten pluripotenten Stammzellen (hiPSCs) eines Patienten mit Erythromelalgie, einer seltenen genetischen Schmerzerkrankung, abgeleitet und mit Zellen gesunder Kontrollpersonen verglichen. Mithilfe von PyPatch konnten Lennart Müller und seine Kolleg:innen kleine elektrophysiologische Unterschiede quantifizieren und modellieren, mit dem Ziel, diese Analysen effizienter und unabhängiger von einzelen Forschenden zu machen.
Das beigefügte Foto zeigt Lennart Müller (in der Mitte) zusammen mit Patrick Dougherty (rechts), Vorsitzender von NeuPSIG, und Franziska Denk (links), Mitglied des Managementkomitees, kurz nach der Verleihung des MESISIG-Preises in Berlin.
Wir gratulieren Lennart Müller herzlich zu dieser wohlverdienten Auszeichnung und seinem Beitrag zur Förderung transparenter, nutzerunabhängiger Analysen, die Reproduzierbarkeit und FAIR Data Handling in der Schmerzforschung unterstützen.
