Ziel der Fördermaßnahme "Computational Life Sciences" ist es, durch die Entwicklung innovativer Methoden und Softwarewerkzeuge zur bioinformatischen Verarbeitung, Modellierung und Simulation auf aktuelle Bedarfe in den Lebenswissenschaften einzugehen. Dadurch sollen der lebenswissenschaftlichen Forschung in Deutschland effiziente und zuverlässige Hilfsmittel zur Verfügung gestellt werden, um die durch neueste experimentelle Methoden oder die Zusammenführung verschiedener Modalitäten gewonnenen Daten geeignet zu modellieren und zu analysieren. Im thematischen Fokus der vierten Förderrunde stehen KI-Methoden für die Infektionsforschung.
Ziel ist es, prädiktive systemmedizinische Modelle der molekularen Interaktionsnetzwerke zwischen Erregern und Wirtskörpern während der Infektion oder der Therapie zu entwickeln. Auf Basis fortschrittlicher Methoden aus dem maschinellen Lernen, der Bioinformatik, der Statistik und der Computational Biology sollen Softwarewerkzeuge und Computermodelle entwickelt bzw. verbessert und validiert werden. Das vorliegende Verbundprojekt CAP-TSD befasst sich in diesem Zusammenhang mit den unterschiedlichen Ursachen und Verläufen bei Lungenentzündungen. Ziel des Projektes ist es, leistungsfähige Vorhersagemodelle zu entwickeln, in die verschiedene Analyseergebnisse aus klinischen und molekularen Zeitreihendaten von Pneumoniepatientinnen und -patienten ein-fließen.
Es ist geplant, durch SARS-CoV-2 ausgelöste Lungenentzündungen mit durch andere Erreger – vornehmlich Streptococcus pneumoniae – ausgelösten Lungenentzündungen zu vergleichen, um Unterschiede in deren Pathomechanismen zu beschreiben und zu verstehen. CAP-TSD kann sich dabei auf große klinische Kohorten hospitalisierter Pneumoniepatientinnen und -patienten mit und ohne SARS-CoV-2-Infektion stützen. Diese Patientinnen und Patienten sind durch Zeitreihen von Krankheitszuständen und molekularen Daten gut beschrieben und sollen im Rahmen des Projekts durch die Messung von Proteom-Profilen weiter charakterisiert werden. In diesen Daten sollen in einem ersten Schritt systematisch die molekularen Kausalbeziehungen in Zeitreihendaten von hospitalisierten Pneumoniepatientinnen und -patienten unterschiedlicher Genese identifiziert werden. Anschließend sollen diese Beziehungen genutzt werden, um phänomenologische und mechanistische Vorhersagemodelle von Krankheitsverläufen für das individuelle Risiko- und Therapiemanagement zu erstellen. Die in CAP-TSD entwickelten Modelle sollen dazu beitragen, neue therapeutische Ziele zu identifizieren und verbesserte Behandlungskonzepte für die beiden betrachteten Krankheitsbilder zu konzipieren. Langfristig soll der in CAP-TSD gewählte Zeitreihenanalyse-Ansatz auch auf andere akute Erkrankungen übertragen werden, die eine engmaschige Therapieüberwachung erfordern.
