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 EMUNE beschäftigt sich in diesem Zusammenhang mit der Analyse von Wirt-Pathogen-Interaktionen bei Infektionen. Es ist geplant, hierfür im Rahmen von EMUNE eine modulare Analyseplattform aufzubauen und mit Methoden des maschinellen Lernens die Lücke zwischen umfangreichen klinischen Kohortenstudien und dem Verständnis von molekularen Infektionsprozessen auf Gewebeebene zu schließen. Um dieses Ziel zu erreichen, werden in EMUNE Expertinnen und Experten aus den Bereichen des maschinellen Lernens, der Datenanalyse und der mathematischen Modellierung mit klinischen und experimentellen Partnerinnen und Partnern aus der Infektionsforschung zusammenarbeiten. In verschiedenen Teilvorhaben sollen dabei neue Werkzeuge zur Datenanalyse entwickelt und die Infektionsdynamik spezifischer Erreger untersucht werden.
Es ist vorgesehen, die entwickelten Methoden im Rahmen von konkreten Fragestellungen zur Infektionsdynamik von HIV-1 und SARS-CoV-2 anzuwenden und zu validieren, um molekulare Prozesse auf Gewebeebene besser zu verstehen. Die neue modulare Analyseplattform soll quell-offen zugänglich sein und so einer breiten Öffentlichkeit zur Verfügung gestellt werden. Die Erkenntnisse aus EMUNE können zudem über die Infektionsforschung hinaus zur verbesserten Analyse klinischer und experimenteller Daten und zu einem vertieften Verständnis von Krankheitsprozessen beitragen. Aufgrund ihrer Bedeutung für die personalisierte Medizin sind die im Rahmen des Projekts entwickelten Methoden und Erkenntnisse dabei potentiell auch für die pharmazeutische Industrie von Interesse.
