idw – Informationsdienst Wissenschaft

Nachrichten, Termine, Experten

Grafik: idw-Logo
Science Video Project
idw-Abo

idw-News App:

AppStore

Google Play Store



Instanz:
Teilen: 
10.09.2020 15:18

Mit maschinellem Lernen gegen Corona

Stefanie Terp Stabsstelle Kommunikation, Events und Alumni
Technische Universität Berlin

    Forschungsvorhaben der TU Berlin und der Universität Luxemburg erhält Förderung von Google.org über 125.000 US-Dollar

    Gemeinsame Pressemitteilung der Universität Luxemburg und der Technischen Universität Berlin

    Mit maschinellem Lernen gegen Corona

    Forschungsvorhaben der TU Berlin und der Universität Luxemburg erhält Förderung von Google.org über 125.000 US-Dollar

    Die intensive Bindung des sogenannten Spike-Protein des SARS-CoV-2-Virus an die menschlichen Wirtszellen scheint ein wesentlicher Faktor für die hohe Infektiosität dieses Virus zu sein. Warum das Spike-Protein so viel effektiver binden kann als die anderer Coronaviren, untersucht ein gemeinsames Team von Wissenschaftler*innen der TU Berlin und der Universität Luxemburg. Google.org unterstützt diese Forschung jetzt mit einer Förderung von 125.000 US-Dollar. Insgesamt fördert Google.org weltweit 31 Forschungsprojekte zum Coronavirus.

    Das Projekt wird von Dr. Grégoire Montavon von der TU Berlin aus dem Fachgebiet Maschinelles Lernen von Prof. Dr. Klaus-Robert Müller und Prof. Alexandre Tkatchenko von der Universität Luxemburg durchgeführt. Ziel des Projekts ist es, mithilfe eines kombinierten Ansatzes aus Quantenmechanik und maschinellem Lernen tiefere Einblicke in das Bindungsverhalten des neuartigen Coronavirus (SARS-CoV-2) zu gewinnen.

    Exakte Simulation der Molekulardynamik des Spike-Proteins

    Dabei analysieren die Wissenschaftler*innen den Mechanismus, der für die ungewöhnlich hohe Bindungsaffinität des SARS-CoV-2-Spike-Proteins an den menschlichen Wirtszellrezeptor ACE2 verantwortlich ist. Die Aufdeckung dieses Prozesses wäre ein wichtiger erster Schritt für die spätere Entwicklung von Behandlungen gegen das Corona-Virus. Dazu verwenden die Forscher*innen exakte Simulationen der Molekulardynamiken des Spike-Proteins und des menschlichen Rezeptors über lange Zeiträume, um deren Zusammenspiel zu verstehen. Die Simulation von Molekulardynamik zeigt die Bewegung innerhalb eines Atomsystems über die Zeit, angetrieben durch die Wechselwirkungen der einzelnen Atome. Für diese enorm komplexen Rechenoperationen sollen spezielle maschinelle Lernverfahren entwickelt werden. „Die Untersuchung des Adhäsionsmechanismus von SARS-CoV-2 stellt uns vor eine Fülle neuer Herausforderungen: Die Systeme enthalten Hunderttausende von Atomen, viele verschiedene Adhäsionsszenarien sind möglich und müssen in ihrem vollständig atomistischen Bild betrachtet werden. All diese Herausforderungen erfordern einen wirklich interdisziplinären Ansatz“, so Prof. Dr. Alexandre Tkatchenko von der Universität Luxemburg.

    „Wir freuen uns sehr über diese Zuwendung und das Vertrauen in unsere Grundlagenforschung“, so Grégoire Montavon. „Die Ergebnisse dieser Forschung werden im Anschluss an das Projekt publiziert und der gesamten wissenschaftlichen Community zur Verfügung gestellt.“

    Weitere Informationen erteilt Ihnen gern:
    Dr. Grégoire Montavon
    TU Berlin
    Fachgebiet Maschinelles Lernen
    Tel.: 030 314-78755
    E-Mail: gregoire.montavon@tu-berlin.de


    Bilder

    Merkmale dieser Pressemitteilung:
    Journalisten
    Informationstechnik, Medizin
    überregional
    Forschungsprojekte
    Deutsch


     

    Hilfe

    Die Suche / Erweiterte Suche im idw-Archiv
    Verknüpfungen

    Sie können Suchbegriffe mit und, oder und / oder nicht verknüpfen, z. B. Philo nicht logie.

    Klammern

    Verknüpfungen können Sie mit Klammern voneinander trennen, z. B. (Philo nicht logie) oder (Psycho und logie).

    Wortgruppen

    Zusammenhängende Worte werden als Wortgruppe gesucht, wenn Sie sie in Anführungsstriche setzen, z. B. „Bundesrepublik Deutschland“.

    Auswahlkriterien

    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).