Zur Übersichtsseite der Forschungsgruppen

CAIMed Gruppe 1b: KI und Bioinformatik

Die Identifizierung genetischer Risikofaktoren und ihrer molekularen Signalwege sowie die Entwicklung von Vorhersagemodellen für Krankheitsverlauf und Schwere sind entscheidend für Fortschritte im Verständnis und der individualisierten Behandlung von Krankheiten. An der MHH stehen bestehende und geplante Patientenkohorten mit modernsten (Einzelzell-) Multi-Omics-Daten zur Verfügung. Unsere Nachwuchsgruppe wird sich auf die Vorverarbeitung molekularer Daten konzentrieren, um standardisierte Datensätze für die Analysen der weiteren CAIMed-Nachwuchsgruppen zu erstellen. Das Ziel besteht darin, diese Daten in einem beispiellosen Umfang mithilfe innovativer KI-Methoden zu integrieren. Hierzu zählen die Identifizierung von Faktoren, die mit dem Schweregrad und Fortschreiten von Krankheiten korrelieren, unter Anwendung von causal inference Methoden. Des Weiteren wird die Untersuchung zelltypspezifischer genetischer Effekte auf molekulare Merkmale mithilfe der „Deconvolution“-Methode erfolgen. Schließlich werden mathematische Modelle wie Support-Vektor-Maschinen entwickelt, um individuelle Reaktionen auf Krankheiten/Behandlungen vorherzusagen und somit eine molekulare Grundlage für die Stratifizierung von Patientengruppen zu schaffen. Ziel ist die Förderung der Umsetzung dieser mathematischen Modelle in medizinische Behandlungs- oder Diagnoseverfahren als entscheidender erster Schritt zur individualisierten Prävention und Behandlung. Die enge Kooperation mit der CAIMed-Gruppe #1c (Integrative Multi-Omics Daten) ist dabei vorgesehen.

Leitung

Xun Jiang, Maximilian Schieck und Sebastian Klein

Arbeitsgruppenleiter

Forschungsschwerpunkt

Die individualisierte Medizin gewinnt in der medizinischen Forschung zunehmend an Bedeutung, da personalisierte Behandlungsansätze, die auf die spezifischen Bedürfnisse und genetischen Profile einzelner Patienten zugeschnitten sind, verbesserte Ergebnisse hervorbringen können. Dabei spielen vielfältige Datensätze eine zentrale Rolle – von genetischen Informationen über andere Mulit-Omics bis hin zu klinischen Daten. Diese Daten stammen aus unterschiedlichen Quellen und umfassen oft unterschiedliche Formate und Strukturen, was ihre Integration zu einer großen Herausforderung macht. Aktuell fehlt es häufig noch an effizienten Möglichkeiten, diese heterogenen Datensätze sinnvoll zu kombinieren und auszuwerten. Diese Arbeitsgruppe, die Experten aus den Bereichen Life Sciences, Informatik, KI und Medizin vereint, stellt hier jedoch eine ideale Grundlage dar, um diese Komplexität zu bewältigen. Wir wollen Datensätze sowohl auf ihre klinische wie auch methodische Stringenz überprüfen. KI-Methoden sollen im Folgenden genutzt werden um die, resultierenden Datensätze zu integrieren und für größere KI-Algorithmen und Modellen zur Datenverarbeitung, auch durch andere Gruppen innerhalb von CAIMed, bereitzustellen.