Pressemitteilung

Machine Learning
29.07.2019

KI-basiertes Computermodell sagt Zellverhalten während Krankheit und Behandlung vorher

Wissenschaftler des Helmholtz Zentrums München haben ein computergestütztes Werkzeug vorgestellt, das einen völlig neuen Ansatz für die Erforschung von Krankheiten und deren Behandlung auf zellulärer Ebene verspricht. Mohammad Lotfollahi, Alex Wolf und Fabian Theis vom Institute of Computational Biology entwickelten mit scGen ein auf künstlicher Intelligenz basierendes Computermodell zur Vorhersage des Verhaltens einer Zelle. Mit scGen können zelluläre Reaktionen auf Erkrankungen und ihre Behandlung abgebildet und untersucht werden, ohne experimentelle Daten zugrunde legen zu müssen. Die Arbeit ist in Nature Methods erschienen.

Zelluläre Reaktionen in silico vorhersagen: Trainiert mit Daten für eine vorgegebene Reihe von Zelltypen kann scGen zelluläre Reaktionen in einem neuen Zelltyp modellieren; © Helmholtz Zentrum München

Umfangreiche biochemische und genetische Informationen über die Vielfalt menschlicher Zellen werden insbesondere im Rahmen des internationalen Human Cell Atlas-Projekts bald verfügbar sein. Die Funktion von Zellen, Geweben und Organen im gesunden Zustand kann damit besser verstanden und als Referenz für Diagnose, Überwachung und Therapie von Krankheiten genutzt werden. Für die traditionelle Life Science Forschung im Labor ist die flächendeckende Auswertung dieser Informationen aufgrund der vielfältigen Kombinationsmöglichkeiten jedoch zu arbeits- und kostenintensiv.

Reaktionen von Zellen auf Störeinflüsse (wie Krankheiten, Stoffe) genau modellieren zu können, ist daher ein zentrales Ziel der Computerbiologie. Bisherige Modelle haben statistische und mechanistische Ansätze als Grundlage. Eine auf maschinellem Lernen basierende Lösung für unbeobachtete, hochdimensionale Phänomene existierte bislang jedoch nicht.

Darüber hinaus ist scGen das erste Tool, das zelluläre Reaktionen „out-of-sample“ vorhersagt. Das bedeutet: Trainiert man scGen mit Daten, die den Effekt von Störungen für ein bestimmtes System erfassen, so ist das Modell in der Lage, zuverlässige Vorhersagen für ein anderes System zu treffen.

 „Zum ersten Mal haben wir die Möglichkeit, Daten aus einem Modellsystem wie der Maus zu verwenden, um Krankheitsprozess und therapeutische Wirksamkeit bei menschlichen Patienten vorherzusagen“, erläutert Mohammad Lotfollahi, Doktorand am Helmholtz Zentrum München und der Technischen Universität München.

ScGen ist ein generatives Deep-Learning-Modell. Es setzt Ideen aus der Bild-, Sequenz- und Sprachverarbeitung ein und wendet sie erstmals an, um das Verhalten einer Zelle in silico zu modellieren.

Der nächste Schritt für das Team betrifft die Verbesserung von scGen zu einer vollständig datengesteuerten Formulierung, um die Vorhersagekraft des Computermodells zu erhöhen und auch Kombinationen von Störungen zu untersuchen. "Wir können jetzt damit beginnen, scGen zu optimieren, um immer komplexere Fragen zu Krankheiten zu beantworten", kündigen Teamleiter Alex Wolf und Fabian Theis, Direktor des Instituts für Computational Biology und Inhaber des Lehrstuhls für Mathematische Modellierung biologischer Systeme der Technischen Universität München, an.


Weitere Informationen

Original Publikation:

Lotfollahi, M. et al. (2019): scGen predicts single-cell perturbation responses. Nature methods, DOI: 10.1038/s41592-019-0494-8

Das Helmholtz Zentrum München verfolgt als Deutsches Forschungszentrum für Gesundheit und Umwelt das Ziel, personalisierte Medizin für die Diagnose, Therapie und Prävention weit verbreiteter Volkskrankheiten wie Diabetes mellitus, Allergien und Lungenerkrankungen zu entwickeln. Dafür untersucht es das Zusammenwirken von Genetik, Umweltfaktoren und Lebensstil. Der Hauptsitz des Zentrums liegt in Neuherberg im Norden Münchens. Das Helmholtz Zentrum München beschäftigt rund 2.300 Mitarbeiter und ist Mitglied der Helmholtz-Gemeinschaft, der 19 naturwissenschaftlich-technische und medizinisch-biologische Forschungszentren mit rund 37.000 Beschäftigten angehören. 

Das Institut für Computational Biology (ICB) führt datenbasierte Analysen biologischer Systeme durch. Durch die Entwicklung und Anwendung bioinformatischer Methoden werden Modelle zur Beschreibung molekularer Prozesse in biologischen Systemen erarbeitet. Ziel ist es, innovative Konzepte bereitzustellen, um das Verständnis und die Behandlung von Volkskrankheiten zu verbessern.

Die Technische Universität München (TUM) ist mit rund 550 Professorinnen und Professoren, 41.000 Studierenden sowie 10.000 Mitarbeiterinnen und Mitarbeitern eine der forschungsstärksten Technischen Universitäten Europas. Ihre Schwerpunkte sind die Ingenieurwissenschaften, Naturwissenschaften, Lebenswissenschaften und Medizin, verknüpft mit den Wirtschafts- und Sozialwissenschaften. Die TUM handelt als unternehmerische Universität, die Talente fördert und Mehrwert für die Gesellschaft schafft. Dabei profitiert sie von starken Partnern in Wissenschaft und Wirtschaft. Weltweit ist sie mit dem Campus TUM Asia in Singapur sowie Verbindungsbüros in Brüssel, Kairo, Mumbai, Peking, San Francisco und São Paulo vertreten. An der TUM haben Nobelpreisträger und Erfinder wie Rudolf Diesel, Carl von Linde und Rudolf Mößbauer geforscht. 2006 und 2012 wurde sie als Exzellenzuniversität ausgezeichnet. In internationalen Rankings gehört sie regelmäßig zu den besten Universitäten Deutschlands. 

Wir verwenden Cookies um Ihnen den Besuch der Webseite so angenehm wie möglich zu machen. Wir benötigen Cookies um die Dienste ständig zu verbessern, bestimmte Features zu ermöglichen und wenn wir Dienste bzw. Inhalte Dritter einbetten, wie beispielsweise den Videoplayer. Durch die Nutzung unserer Webseite stimmen Sie der Nutzung von Cookies zu. Wir verwenden unterschiedliche Arten von Cookies. Hier haben Sie die Möglichkeit, Ihre Cookie-Einstellungen zu personalisieren:

Einstellung anzeigen.
In unserer Datenschutzerklärung finden Sie weitere Informationen.

Dort können Sie Ihre Cookie-Einstellungen jederzeit ändern.