idw – Informationsdienst Wissenschaft
Nachrichten, Termine, Experten
Nachrichten, Termine, Experten
Schneller, besser und idealerweise aufs Individuum abgestimmt: Die Medizin der Zukunft soll passgenau Diagnosen und Therapiepläne erstellen. Dem Zusammenspiel der Proteine kommt hierbei eine besondere Rolle zu. Um dieses zu verstehen, müssen große Datenmengen in hoher Qualität und möglichst effizient analysiert werden. MSAID, eine Ausgründung der Technischen Universität München (TUM), hat eine KI-gestützte Software entwickelt, die dies auch bei komplexen Proben leisten kann.
Manche Ideen lassen einen nicht mehr los. So ging es einem Team am Lehrstuhl von Bernhard Küster, Professor für Proteomik und Bioanalytik an der TUM. Aufbauend auf einem Forschungsprojekt hatten die Wissenschaftler einen Software-Prototyp entwickelt, um nachweisen zu können, welche Proteine wann und in welcher Menge in einer Probe vorhanden sind und wie sie sich verhalten. Diese Vorgänge besser zu verstehen, könnte medizinische Durchbrüche in der Diagnose und Therapie von Krankheiten ermöglichen.
„Die Leistung unseres Software-Prototyps übertraf bereits bestehende Ansätze sowohl in der Qualität als auch der Quantität der identifizierten Proteine. Wir wollten diese Entwicklung deshalb unbedingt vorantreiben und sie Forschenden und Institutionen weltweit zugänglich machen“, sagt Mathias Wilhelm, Professor für Computational Mass Spectrometry an der TUM School of Life Sciences. Mathias Wilhelm und Bernhard Küster hatten schon einmal gemeinsam gegründet und wagten auch diesmal diesen Schritt. Zusammen mit Martin Frejno, Daniel Zolg, Siegfried Gessulat und Tobias Schmidt gründeten sie 2019 MSAID, ein Start-up, das sich auf Deep Learning-Modelle im Bereich der Proteinforschung spezialisiert. Alle Gründer haben entweder an der TUM studiert, promoviert oder gearbeitet.
Register für KI-generierte, molekulare „Fingerabdrücke“
Seit 2022 vertreibt MSAID international eine patentierte Weiterentwicklung der Software, deren Prototyp die Gründung angestoßen hatte. Sie vereinfacht die Analyse komplexer und großer Datenmengen. Daniel Zolg, COO von MSAID, vergleicht das Vorgehen mit der Identifikation von Fingerabdrücken. „Jedes Protein besteht aus verschiedenen Peptiden, die gewissermaßen jeweils einen spezifischen Fingerabdruck haben. Die in einer Probe enthaltenen Abdrücke können wir mit Hilfe eines Massenspektrometers sichtbar machen. Die Qualität dieser Abdrücke ist jedoch nicht immer gut, oft hat man nur einen Teilabdruck eines Peptids und teilweise überlagern diese einander sogar. Das erschwert die Identifikation, welches Messergebnis auf welches Peptid zurückzuführen ist. Es ist ein wenig so, als würde man Fingerabdrücke auf einer Türklinke analysieren wollen, die von vielen verschiedenen Menschen berührt wurde.“
Mit rein menschlichen Fähigkeiten ist die Analyse solcher Datenmengen nicht mehr möglich. Immerhin besteht allein der Mensch aus mehr als 20.000 verschiedenen Proteinen. Die Gründer machen sich deshalb die Stärken Künstlicher Intelligenz in der Simulation von Mustern zunutze: Ein Algorithmus gleicht die Messergebnisse mit einer Art „Peptid-Register“ ab, in dem das Team KI-generierte Muster hinterlegt hat. Diese Muster entsprechen denen, die Peptide in der Analyse mit dem Massenspektrometer ergeben. Und noch mehr: Sie können sogar dazu dienen, vorherzusagen, welche Muster sich ergeben, wenn verschiedene Peptide einander überlagern.
„Wir können mit unserem Ansatz Proteine in komplexen Proben wie Gewebe und Plasma substanziell besser identifizieren, ihre Mengen besser bestimmen und reduzieren manuelle Arbeitsschritte. Zudem können mit unserer Software Analysen, die sonst mehrere Wochen dauern, in wenigen Tagen durchgeführt werden”, sagt Martin Frejno, CEO von MSAID. „Das ermöglicht neue Wege in der frühen Diagnose von Krankheiten, in der personalisierten Medizin und in der Medikamentenentwicklung.“
Weitere Informationen:
Das Innovationsökosystem mit der TUM im Mittelpunkt gilt als einer der erfolgreichsten Deeptech-Hubs in Europa. Seine besonderen Stärken sind sein starkes, vielfältiges Netzwerk und die äußerst spezifische Förderung. In Initiativen und Co-Labs arbeiten Start-ups mit etablierten Unternehmen, Fachleuten, Investorinnen und Investoren und Verwaltung an Innovationen. TUM und UnternehmerTUM, das Zentrum für Innovation und Gründung, unterstützen Gründungsteams mit Programmen, die exakt auf die einzelnen Phasen der Gründung und die Teams zugeschnitten sind. Auf zwölf Technologiefeldern bieten die TUM Venture Labs eine unmittelbare Anbindung an die Spitzenforschung, technische Infrastruktur und Marktexpertise. Zuletzt wurden in einem Jahr mehr als 100 Unternehmen an der TUM gegründet und mehr als 1.100 Start-up-Teams von UnternehmerTUM und den Venture Labs unterstützt. UnternehmerTUM, das mit einem eigenen Venture-Capital-Fonds investiert, wurde von der Financial Times zwei Mal zu Europas bestem Gründungszentrum gewählt.
Merkmale dieser Pressemitteilung:
Journalisten, Wirtschaftsvertreter
Informationstechnik, Medizin
überregional
Forschungs- / Wissenstransfer
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).
