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 MuMoSim beschäftigt sich in diesem Zusammenhang mit der Verbesserung von Simulationsmodellierungen. Es ist geplant, im Rahmen von MuMoSim ein fortgeschrittenes quantitatives und prädiktives Simulationswerkzeug für Modellierungen in der Infektionsforschung zu entwickeln. Das Modell soll in der Lage sein, verschiedene Detailstufen miteinander zu verschränken, so dass die Modellergebnisse einer Stufe direkt in die nächste übernommen werden können. Damit soll insbesondere die Vorhersagekraft der Simulationen erheblich verbessert werden. Der geplante Multi-Modell-Simulator soll künftig auch die schrittweise Integration verschiedener Arten von experimentellen Daten ermöglichen, wie beispielsweise zeitaufgelöste Daten aus der Durchflusszytometrie, Überlebensassays, Genexpression und mikroskopische Bildgebung.
Das Projekt selbst legt dabei den Schwerpunkt auf die quantitative und prädiktive Modellierung von Blutstrominfektionen durch mikrobielle Erreger auf der Grundlage experimenteller Daten aus Vollblut-Infektionsassays beim Menschen. Die im Rahmen des Projekts gewonnenen Erkenntnisse und Erfahrungen werden wesentlich dazu beitragen, Wechselwirkungen zwischen mikrobiellen Erregern und betroffenen Patientinnen und Patienten künftig besser zu verstehen und die Einflüsse der individuellen Patienten-Unterschiede zu ergründen. Das Modellierungstool soll dabei so aufgebaut werden, dass eine Anwendung auf andere biologische und medizinische Systeme einfach möglich ist. Die Ergebnisse werden frei zugänglich für die Nutzung in der wissenschaftlichen Gemeinschaft veröffentlicht, um eine breite Anwendung zu fördern.
