idw – Informationsdienst Wissenschaft
Nachrichten, Termine, Experten
Nachrichten, Termine, Experten
Wissenschaftler des Helmholtz Zentrums München haben ein computergestütztes Werkzeug vorgestellt, das einen völlig neuen Ansatz für die Erforschung von Krankheiten und deren Behandlung auf zellulärer Ebene verspricht. Mohammad Lotfollahi, Alex Wolf und Fabian Theis vom Institute of Computational Biology entwickelten mit scGen ein auf künstlicher Intelligenz basierendes Computermodell zur Vorhersage des Verhaltens einer Zelle. Mit scGen können zelluläre Reaktionen auf Erkrankungen und ihre Behandlung abgebildet und untersucht werden, ohne experimentelle Daten zugrunde legen zu müssen. Die Arbeit wird in Nature Methods veröffentlicht (siehe Embargo).
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 ist 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.
Der nächste Schritt für das Team betrifft die Verbesserung von scGen zu einer vollständig datengesteuerten Formulierung, um die Vorhersagekraft des Computermodells zu erhöhen und auch Kombinationen von Störungen zu untersuchen. "Wir können jetzt damit beginnen, scGen zu optimieren, um immer komplexere Fragen zu Krankheiten zu beantworten", kündigen Teamleiter Alex Wolf und Fabian Theis, Direktor des Instituts für Computational Biology und Inhaber des Lehrstuhls für Mathematische Modellierung biologischer Systeme der Technischen Universität München, an.
Weitere Informationen
Original Publikation:
Lotfollahi, M. et al. (2019): scGen predicts single-cell perturbation responses. Nature methods, DOI: 10.1038/s41592-019-0494-8
https://www.nature.com/articles/s41592-019-0494-8
Verwandte Artikel:
11.04.2019 Mit PAGA klare Sicht im Big-Data-Nebel
https://www.helmholtz-muenchen.de/presse-medien/pressemitteilungen/alle-pressemi...
01.04.2019 Neues Machine Learning Modell erklärt Dynamik der Zellentwicklung
https://www.helmholtz-muenchen.de/aktuelles/uebersicht/pressemitteilungnews/arti...
24.01.2019 Künstliche Intelligenz gegen den Fehlerteufel
https://www.helmholtz-muenchen.de/presse-medien/pressemitteilungen/alle-pressemi...
Das Helmholtz Zentrum München verfolgt als Deutsches Forschungszentrum für Gesundheit und Umwelt das Ziel, personalisierte Medizin für die Diagnose, Therapie und Prävention weit verbreiteter Volkskrankheiten wie Diabetes mellitus und Lungenerkrankungen zu entwickeln. Dafür untersucht es das Zusammenwirken von Genetik, Umweltfaktoren und Lebensstil. Der Hauptsitz des Zentrums liegt in Neuherberg im Norden Münchens. Das Helmholtz Zentrum München beschäftigt rund 2.300 Mitarbeiter und ist Mitglied der Helmholtz-Gemeinschaft, der 18 naturwissenschaftlich-technische und medizinisch-biologische Forschungszentren mit rund 37.000 Beschäftigten angehören. https://www.helmholtz-muenchen.de/
Das Institut für Computational Biology (ICB) führt datenbasierte Analysen biologischer Systeme durch. Durch die Entwicklung und Anwendung bioinformatischer Methoden werden Modelle zur Beschreibung molekularer Prozesse in biologischen Systemen erarbeitet. Ziel ist es, innovative Konzepte bereitzustellen, um das Verständnis und die Behandlung von Volkskrankheiten zu verbessern. http://www.helmholtz-muenchen.de/icb
Medien-Kontakt
Abteilung Kommunikation
Helmholtz Zentrum München -
Deutsches Forschungszentrum für Gesundheit und Umwelt (GmbH)
Ingolstädter Landstraße 1
85764 Neuherberg
Tel.: +49 89 3187-2238
E-mail: presse@helmholtz-muenchen.de
Prof. Dr. Dr. Fabian Theis
Helmholtz Zentrum München - Deutsches Forschungszentrum für Gesundheit und Umwelt
Institut für Computational Biology
Ingolstädter Landstr. 1
85764 Neuherberg, Germany
Tel. +49 89 3187-2211
E-Mail: fabian.theis@helmholtz-muenchen.de
Lotfollahi, M. et al. (2019): scGen predicts single-cell perturbation responses. Nature methods, DOI: 10.1038/s41592-019-0494-8
https://www.nature.com/articles/s41592-019-0494-8
Merkmale dieser Pressemitteilung:
Journalisten, Lehrer/Schüler, Studierende, Wissenschaftler
Biologie, Chemie, Mathematik, Medizin
überregional
Forschungsergebnisse
Deutsch
Sie können Suchbegriffe mit und, oder und / oder nicht verknüpfen, z. B. Philo nicht logie.
Verknüpfungen können Sie mit Klammern voneinander trennen, z. B. (Philo nicht logie) oder (Psycho und logie).
Zusammenhängende Worte werden als Wortgruppe gesucht, wenn Sie sie in Anführungsstriche setzen, z. B. „Bundesrepublik Deutschland“.
Die Erweiterte Suche können Sie auch nutzen, ohne Suchbegriffe einzugeben. Sie orientiert sich dann an den Kriterien, die Sie ausgewählt haben (z. B. nach dem Land oder dem Sachgebiet).
Haben Sie in einer Kategorie kein Kriterium ausgewählt, wird die gesamte Kategorie durchsucht (z.B. alle Sachgebiete oder alle Länder).
