Ziel der Fördermaßnahme "Computational Life Sciences" ist es, durch die Entwicklung innovativer Methoden und Softwarewerkzeuge zur bioinformatischen Verarbeitung, Modellierung und Simulation auf aktuelle Bedarfe in den Lebenswissenschaften einzugehen. Dadurch sollen der lebenswissenschaftlichen Forschung in Deutschland effiziente und zuverlässige Hilfsmittel zur Verfügung gestellt werden, um die durch neueste experimentelle Methoden oder die Zusammenführung verschiedener Modalitäten gewonnenen Daten geeignet zu modellieren und zu analysieren.
Im thematischen Fokus der vierten Förderrunde stehen KI-Methoden für die Infektionsforschung. Ziel ist es, prädiktive systemmedizinische Modelle der molekularen Interaktionsnetzwerke zwischen Erregern und Wirtskörpern während der Infektion oder der Therapie zu entwickeln. Auf Basis fortschrittlicher Methoden aus dem maschinellen Lernen, der Bioinformatik, der Statistik und der Computational Biology sollen Softwarewerkzeuge und Computermodelle entwickelt bzw. verbessert und validiert werden.
Das vorliegende Verbundprojekt ASPIRE beschäftigt sich in diesem Zusammenhang mit dem Thema Genetik, genauer gesagt mit der Erkennung des sogenannten alternativen Spleißens (AS). Beim alternativen Spleißen werden aus derselben DNA-Sequenz mehrere verschiedene mRNA-Moleküle gebildet. Die Maschinerie des alternativen Spleißens ist ein attraktives Ziel für Viren, da hier der Wirt beeinflusst und umprogrammiert werden kann. Hier setzt ASPIRE an: Im Rahmen des Projektes sollen die Hauptakteure der durch Viren beeinflussten AS-Veränderungen als potentielle Zielstrukturen für Medikamente identifiziert werden.
Es ist geplant, ein Tool zu entwickeln, welches mit Hilfe von Deep Learning die empfindliche AS-Vorhersage trifft. Dabei stehen insbesondere die Protein-Protein-Interaktionen (PPI) und die Domänen-Domänen-Interaktionen (DDI) im Mittelpunkt der Analysen. Hier liegen die wichtigsten Auswirkungen des alternativen Spleißens vor, aktuelle PPI- und DDI-Netzwerke decken allerdings nur einen kleinen Teil der bekannten Virus- und Wirtsproteine ab. Es ist vorgesehen, Netzwerke mit vorhergesagten Virus-Wirt-PPIs zu entwickeln und die Auswirkungen der viralen Beeinflussung durch alternatives Spleißen auf diese Netzwerke und die damit verbundenen Spleiß-Faktoren vorherzusagen.
Die vielversprechendsten vorhergesagten Interaktionen sollen anschließend mithilfe von Deep Learning strukturell modelliert, experimentell validiert und systematisch auf Wirkstoffziele untersucht werden. Die im Rahmen des Projekts gewonnenen Erkenntnisse und Erfahrungen sollen zu einem Toolkit und einem Webservice entwickelt werden. Hierdurch sollen biologische und medizinische Studien erleichtert werden, die im Bereich des alternativen Spleißens und der zugehörigen Medikamentenforschung nach geeigneten Kandidaten für eine Umfunktionierung (Repurposing) von Medikamenten suchen.