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 HOPARL befasst sich in diesem Zusammenhang mit der Erforschung von Interaktionen zwischen Wirt und Erreger. Im Rahmen des Projekts sollen verschiedene Genexpressionsdaten mithilfe maschineller Lernmodelle analysiert werden. Als Genexpressionsdaten stehen dabei sogenannte RNA-seq-, Einzelzell-RNA-seq- und zeitliche Einzelzell-RNA-seq-Daten zur Verfügung. Es ist geplant, Wirt-Pathogen-Infektionsverläufe mithilfe genspezifischer dynamischer Modelle und maschinellem Lernens zur Bestimmung einzelner Parameter zu untersuchen.
Im weiteren Verlauf des Projekts sollen die dynamischen Einzelgen-Modelle zu komplexen Netzwerk-Modellen zusammengefügt und mit sogenannten Perturbations-Autoencodern ausgewertet werden. Unter dem Begriff "Autoencoder" versteht man künstliche neuronale Netze, die eine sogenannte komprimierte Repräsentation (Encoding) für einen Datensatz durch Muster erkennen und so auch in der Lage sind, wesentliche Merkmale zu extrahieren. Mithilfe der Perturbations-Autoencoder sollen Wirt-Pathogen-Infektionsverläufe anhand bereits vorhandener Datensätze verschiedener Bakterien- (z. B. Salmonella enterica) und Vireninfektionen (Herpesvirus, SARS-CoV-2) untersucht werden. Ziel ist es, so neue Erkenntnisse über diese Infektionskrankheiten zu gewinnen, die anschließend in die Klinik übertragen werden können. Langfristig soll HOPARL dazu beitragen, neuartige Therapien und Diagnoseverfahren bei diesen und weiteren Infektionserkrankungen zu entwickeln.