Computerbiologie
KI-basiertes Computermodell sagt Zellverhalten voraus
Wissenschaftler haben ein KI-Modell vorgestellt, das einen neuen Ansatz für die Erforschung von Krankheiten verspricht. Mit »scGen« lassen zelluläre Reaktionen auf Erkrankungen und ihre Behandlung abbilden und untersuchen, ohne dass experimentelle Daten zugrunde legen zu müssen.
Umfangreiche biochemische und genetische Informationen über die Vielfalt menschlicher Zellen werden insbesondere im Rahmen des internationalen Human Cell Atlas-Projekts (www.humancellatlas.org) bald verfügbar sein. Die Funktion von Zellen, Geweben und Organen im gesunden Zustand kann damit besser verstanden und als Referenz für Diagnose, Überwachung und Therapie von Krankheiten genutzt werden. Für die traditionelle Life Science Forschung im Labor ist die flächendeckende Auswertung dieser Informationen aufgrund der vielfältigen Kombinationsmöglichkeiten jedoch zu arbeits- und kostenintensiv.
Reaktionen von Zellen auf Störeinflüsse (wie Krankheiten, Stoffe) genau modellieren zu können, ist daher ein zentrales Ziel der Computerbiologie. Bisherige Modelle haben statistische und mechanistische Ansätze als Grundlage. Eine auf maschinellem Lernen basierende Lösung für unbeobachtete, hochdimensionale Phänomene existierte bislang jedoch nicht.
Darüber hinaus sei scGen das erste Tool, das zelluläre Reaktionen »out-of-sample« vorhersagt. Das bedeutet: Trainiert man scGen mit Daten, die den Effekt von Störungen für ein bestimmtes System erfassen, so ist das Modell in der Lage, zuverlässige Vorhersagen für ein anderes System zu treffen. »Zum ersten Mal haben wir die Möglichkeit, Daten aus einem Modellsystem wie der Maus zu verwenden, um Krankheitsprozess und therapeutische Wirksamkeit bei menschlichen Patienten vorherzusagen«, erläutert Mohammad Lotfollahi, Doktorand am Helmholtz Zentrum München und der Technischen Universität München.
ScGen ist ein generatives Deep-Learning-Modell. Es setzt Ideen aus der Bild-, Sequenz- und Sprachverarbeitung ein und wendet sie erstmals an, um das Verhalten einer Zelle in silico zu modellieren. (me)
Lesen Sie mehr zum Thema
