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 DeepTCR beschäftigt sich in diesem Zusammenhang mit Verbesserungen bei der Analyse der T-Zell-Immunantwort auf Einzelzell-Ebene. Bei der Bekämpfung von Infektionskrankheiten spielen T-Lymphozyten eine entscheidende Rolle, da sie Zielstrukturen – sogenannte Epitope – über eine einzigartige T-Zell-Rezeptor-Sequenz (TCR-Sequenz) erkennen. Neue Einzelzell-Sequenzierungsverfahren ermöglichen es, gleichzeitig mehrere biologische Modalitäten wie Transkriptom oder TCR-Sequenzen zu messen. Damit bieten die Verfahren einen noch nie dagewesenen Einblick in das molekulare Verhalten von T-Zellen.
Hier setzt DeepTCR an: Im Rahmen des Projekts sollen ein besseres Verständnis sowie eine genaue Vorhersage dessen, was T-Zellen erkennen können und wie sie ihr zelluläres Programm nach der Erkennung ändern, etabliert werden. Es ist geplant, neue Deep-Learning basierte Verfahren zu entwickeln, die in der Lage sind, transkriptomische Informationen mit TCR-Sequenz-Informationen zu kombinieren. So sollen synergistische Muster identifiziert und für aufbauende Analyseaufgaben sowie der Vorhersage transkriptomischer Veränderungen erweitert werden. Die im Rahmen des Projekts gewonnenen Erkenntnisse und Erfahrungen tragen im Erfolgsfall zu einem besseren Verständnis des Zusammenspiels zwischen dem Virus und dem Immunsystem des Wirtes bei. Dadurch wird künftig eine schnelle Identifizierung immundominanter Epitope und virusspezifischer T-Zellen ermöglicht, die sich unter anderem für eine beschleunigte Entwicklung neuer Impfstoffe und T-Zell-basierter Immuntherapien nutzen ließe. Auch eine schnelle Reaktion auf unvorhersehbare und verheerende Ereignisse wie die SARS-CoV-2-Pandemie wäre künftig einfacher möglich.
