Ziel der Fördermaßnahme "Computational Life Sciences" ist es, die Entwicklung innovativer Methoden und Softwarewerkzeuge zur bioinformatischen Verarbeitung, Modellierung und Simulation mit Blick auf aktuelle Fragestellungen in den Lebenswissenschaften voranzubringen. So sollen der lebenswissenschaftlichen Forschung in Deutschland effiziente und zuverlässige Hilfsmittel zur Verfügung stehen, um die durch neueste experimentelle Methoden oder die Zusammenführung verschiedener Modalitäten gewonnenen Daten geeignet zu modellieren und zu analysieren.

Im Fokus der aktuellen Bekanntmachung stehen KI-Methoden für die Systemmedizin. Ziel ist es, Methoden zu entwickeln, die mithilfe geeigneter KI-Algorithmen den derzeitigen Stand der Technik in der systemmedizinischen Datenanalyse entscheidend verbessern. Der Schwerpunkt liegt dabei auf klinisch relevanten Fragestellungen.

Das vorliegende Verbundprojekt NetMap beschäftigt sich mit Verbesserungen bei der Analyse von Einzelzell-RNA-Sequenzierungsdaten. Ziel des Projektes ist es, neue skalierbare und robuste Dimensionalitätsreduktionsansätze für Einzelzell-RNA-Sequenzierungsdaten zu entwickeln. Das Aufkommen der Einzelzell-RNA-Sequenzierung (scRNA-seq) hat die Tür geöffnet, um noch nie dagewesene Einblicke in die Abläufe einer einzelnen Zelle zu gewinnen. Diese Detailtiefe ist für die Präzisionsmedizin relevant. Die großen Mengen molekularer Daten, die durch scRNA-seq-Experimente erzeugt werden, sind jedoch in der Regel sehr hochdimensional, was die nachgeschaltete Datenanalyse und -visualisierung zu einer Herausforderung macht. Die derzeit genutzten Reduktionsansätze bringen oft nur verzerrte Darstellungen mit sich und sind daher problematisch.

Hier setzt NetMap an: Im Rahmen des Projekts soll ein völlig neuartiges Verfahren für die Auswertung von scRNA-seq-Daten entwickelt werden. Die Schlüsselidee besteht darin, den Schritt der Dimensionalitätsreduktion in eine zentrale Aufgabe der nachgelagerten systemmedizinischen Analyse von scRNA-seq-Daten zu integrieren, nämlich in die Identifizierung von genregulatorischen Netzwerken und Schlüssel-Transkriptionsfaktoren, die die Expressionspro-file der Zellen erklären. Diese neuen Methoden sollen als benutzerfreundliche Softwareplattform für Analysen und die computergestützte Vorhersage implementiert werden. Als Fallstudie soll die Erschöpfung der CD4-Helfer-T-Zellen untersucht werden, welche einen potenziell limitierenden Faktor in der Immuntherapie bei Krebs darstellt. Die beiden Hauptprobleme im Bereich der Immuntherapie bestehen darin, eine ausreichende Anzahl von T-Zellen zu installieren und deren Verlust und die funktionelle Abschwächung zu verhindern. Ein näheres Verständnis über die genauen Prozessabläufe würde deutliche Verbesserungen bei der Immuntherapie ermöglichen.