Angewandte Bioinformatik und künstliche Intelligenz

Große Datenmengen für die biomedizinische Translation optimal nutzen

© tippapatt, adobe.stock.com

Die Verfügbarkeit großer Datenmengen hat die Forschung in den Lebenswissenschaften in den vergangenen Jahren revolutioniert und bietet vielfältige Möglichkeiten für Erkenntnisgewinn und Anwendung in der Zukunft. Die interdisziplinäre Zusammenführung von Mathematik, Informatik, Medizin und Biowissenschaften in der Bioinformatik ermöglicht es, biologische Daten zu speichern, zu kategorisieren, zu analysieren, zu bewerten und zu visualisieren sowie biochemische Prozesse zu simulieren. Das Zusammenführen multiparametrischer Daten und deren komplexe Analyse im systemmedizinischen und systemtoxikologischen Ansatz wird in der Zukunft ein wichtiger Katalysator für nachfolgende experimentelle Validierungen in geeigneten patientennahen Modellsystemen sein.

 

 

Einsatzbereiche am Fraunhofer ITEM

© Fraunhofer ITEM
Erkennung von Atemwegen in Mikroskopiedaten mit neuronalen Netzen. Anhand einer mikroskopischen Aufnahme eines Atemwegs (Eingangsbild, linke Spalte) lässt sich mithilfe von neuronalen Netzen das Lumen des Atemwegs vorhersagen (rechte Spalte).

Am Fraunhofer ITEM werden Methoden und Möglichkeiten zur Aufbereitung, Analyse und Visualisierung biomedizinischer Daten sowie Datenmodelle und Datenanalyse-Pipelines entwickelt. Die Abbildung zellulärer und regulatorischer Vorgänge und die Translation in die Anwendung für den Menschen stehen im Vordergrund der Forschung. Bioinformatische Verfahren werden beispielsweise verwendet für die personalisierte Tumortherapie zur Entwicklung optimierter Teststrategien und für die Forschung an RNA-Molekülen als diagnostische Biomarker und therapeutische Zielstrukturen. Für personalisierte Therapien oder für die Patientenstratifizierung ist der Erkenntnisgewinn aus der Verarbeitung großer Datenmengen ganz wesentlich, um adäquate Behandlungsstrategien zu identifizieren. Stratifizierung spielt zudem eine große Rolle im Rahmen der Sicherheitsbewertungen von Chemikalien, Nanomaterialien und Umweltbelastungen, da Subpopulationen unterschiedlich empfindlich auf Noxen reagieren.

Darüber hinaus nähern sich die Fraunhofer-Forschenden mit Bioinformatik und Künstlicher Intelligenz einer intelligenten Bilddatenanalyse an und entwickeln diese weiter, um die Auswertung histologischer Bilder zu optimieren und klinische Prozesse zu unterstützen.

Interessieren Sie sich für Bioinformatik und Big-Data-Analytics?

Gerne informieren wir Sie über Neuigkeiten aus dem Fraunhofer ITEM zu diesem Thema.

Bitte füllen Sie das Pflichtfeld aus.

* Pflichtfeld

* Pflichtfeld

Bitte füllen Sie das Pflichtfeld aus.

Bioinformatik: Aktuelle Projekte und Highlights

 

Projekt BIOSYNTH: DNA als Datenspeicher

Modulare Hochdurchsatz-Mikroplattform für künftige Massendatenspeicher aus synthetischer Biologie

Projekt ELISE

Es werden für Patientendaten wichtige Informationen erhoben und durch verschiedene Verfahren des maschinellen Lernens für die Behandlung und Pflege verständlich gemacht. 

 

Threshold of Toxicological Concern

TTC-Konzept: Manche kanzerogene Substanzen wirken nicht direkt schädlich auf die DNA, weshalb sich die Frage stellt, ob diese krebsverursachenden Stoffe über andere Grenzwerte reguliert werden sollten.

 

Project »Genealyzer«

Web-Anwendung für die Analyse und den Vergleich von Genexpressionsdaten. 

 

Mit dem »MSK-IMPACT Assay« Einzelzellen erkennen

Weil sich Tumorzellen vom Primärtumor unterscheiden, ist es wichtig, diese einzigartigen Zellen auf Mutationen zu überprüfen. 

Projekt »MyDeepLearn«

Eine Ende-zu-Ende-Webanwendung zur Bildanalyse mithilfe neuronaler Netze.

 

Smart health: Projekt »PrivacyUmbrella«

Privatheit von Daten sicherstellen durch umfassende Bereitstellung Anonymisierungsverfahren.

Projektarchiv

Hier finden Sie weitere Projekte sortiert nach unseren Forschungs- und Entwicklungskompetenzen.

Publikationen

  • Cao, S., Li, Y., Song, R., Meng, X., Fuchs, M., Liang, C., Kachler, K., Meng, X., Wen, J., Schlotzer-Schrehardt, U., Taudte, V., Gessner, A., Kunz, M., Schleicher, U., Zaiss, M. M., Kastbom, A., Chen, X., Schett, G., Bozec, A. (2024). L-arginine metabolism inhibits arthritis and inflammatory bone loss. Annals of the Rheumatic Diseases 83(1): 72-87. doi: 10.1136/ard-2022-223626 https://ard.bmj.com/content/early/2023/10/25/ard-2022-223626.long  - Open Access
  • Das, P. P., Marcel Mast, Wiese, L., Jack, T., Wulff, A., ELISE STUDY GROUP (2023). Data Extraction for Associative Classification using Mined Rules in Pediatric Intensive Care Data. In: BTW 2023. Lecture Notes in Informatics (LNI), Gesellschaft für Informatik. König-Ries, B., Scherzinger, S., Lehner, W. & Vossen, G https://dl.gi.de/handle/20.500.12116/40376
  • Ghaffari, M. H., Daniel, J. B., Sadri, H., Schuchardt, S., Martín-Tereso, J., Sauerwein, H. (2024). Longitudinal characterization of the metabolome of dairy cows transitioning from one lactation to the next one: Investigations in blood serum. Journal of Dairy Science 107(2): 1263-1285. doi: 10.3168/jds.2023-23841 https://www.sciencedirect.com/science/article/pii/S0022030223007075?via%3Dihub  - Open Access
  • Hoda, U., Pavlidis, S., Bansal, A. T., Takahashi, K., Hu, S., Ng Kee Kwong, F., Rossios, C., Sun, K., Bhavsar, P., Loza, M., Baribaud, F., Chanez, P., Fowler, S. J., Horvath, I., Montuschi, P., Singer, F., Musial, J., Dahlen, B., Krug, N., Sandstrom, T., Shaw, D. E., Lutter, R., Fleming, L. J., Howarth, P. H., Caruso, M., Sousa, A. R., Corfield, J., Auffray, C., De Meulder, B., Lefaudeux, D., Dahlen, S. E., Djukanovic, R., Sterk, P. J., Guo, Y., Adcock, I. M., Chung, K. F., group, U. B. s. (2022). Clinical and transcriptomic features of persistent exacerbation-prone severe asthma in U-BIOPRED cohort. Clin Transl Med 12(4): e816. doi: 10.1002/ctm2.816 https://onlinelibrary.wiley.com/doi/10.1002/ctm2.816  - Open Access
  • Junger, H., Muhlbauer, M., Brennfleck, F. W., Schurr, L. A., Goetz, M., Eggenhofer, E., Kirchner, G., Evert, K., Fichtner-Feigl, S., Geissler, E. K., Schlitt, H. J., Brunner, S. M. (2023). Early gammaGT and bilirubin levels as biomarkers for regeneration and outcomes in damaged bile ducts after liver transplantation. Clinical Transplantation: e14880, doi: 10.1111/ctr.14880 https://onlinelibrary.wiley.com/doi/10.1111/ctr.14880 - Open Access
  • Kaltdorf, M., Breitenbach, T., Karl, S., Fuchs, M., Kessie, D. K., Psota, E., Prelog, M., Sarukhanyan, E., Ebert, R., Jakob, F., Dandekar, G., Naseem, M., Liang, C., Dandekar, T. (2023). Software JimenaE allows efficient dynamic simulations of Boolean networks, centrality and system state analysis. Scientific Reports 13(1): 1855. doi: 10.1038/s41598-022-27098-7 https://www.nature.com/articles/s41598-022-27098-7 - Open Access
  • Lietz, K., Saremi, B., Wiese, L. (2023). Genealyzer: web application for the analysis and comparison of gene expression data. BMC Bioinformatics 24(1): 150. doi: 10.1186/s12859-023-05266-4 https://bmcbioinformatics.biomedcentral.com/articles/10.1186/s12859-023-05266-4  - Open Access
  • Nguyen, M. H., Onken, A., Wulff, A., Foremny, K., Torgau, P., Schutte, H., Hild, S., Doll, T. (2023). Computational Modeling of Diffusion-Based Delamination for Active Implantable Medical Devices. Bioengineering (Basel) 10(5). doi: 10.3390/bioengineering10050625 https://www.mdpi.com/2306-5354/10/5/625  - Open Access
  • Sanz, F., Pognan, F., Steger-Hartmann, T., Díaz, C., Asakura, S., Amberg, A., Bécourt-Lhote, N., Blomberg, N., Bosc, N., Briggs, K., Bringezu, F., Brulle-Wohlhueter, C., Brunak, S., Bueters, R., Callegaro, G., Capella-Gutierrez, S., Centeno, E., Corvi, J., Cronin, M. T. D., Drew, P., Duchateau-Nguyen, G., Ecker, G. F., Escher, S., Felix, E., Ferreiro, M., Frericks, M., Furlong, L. I., Geiger, R., George, C., Grandits, M., Ivanov-Draganov, D., Kilgour-Christie, J., Kiziloren, T., Kors, J. A., Koyama, N., Kreuchwig, A., Leach, A. R., Mayer, M.-A., Monecke, P., Muster, W., Nakazawa, C. M., Nicholson, G., Parry, R., Pastor, M., Piñero, J., Oberhauser, N., Ramírez-Anguita, J. M., Rodrigo, A., Smajic, A., Schaefer, M., Schieferdecker, S., Soininen, I., Terricabras, E., Trairatphisan, P., Turner, S. C., Valencia, A., van de Water, B., van der Lei, J. L., van Mulligen, E. M., Vock, E., Wilkinson, D. (2023). eTRANSAFE: data science to empower translational safety assessment. Nature Reviews Drug Discovery 22(8): 605-606. doi: 10.1038/d41573-023-00099-5 https://www.nature.com/articles/d41573-023-00099-5
  • Schlieter, H., Kahlig, M., Hickmann, E., Furstenau, D., Sunyaev, A., Richter, P., Breitschwerdt, R., Thielscher, C., Gersch, M., Maass, W., Reuter-Oppermann, M., Wiese, L. (2024). [Digital health applications (DiGA) in the area of tension between progress and criticism : Discussion paper from the "Digital health" specialist group of the German Informatics Society]. Bundesgesundheitsblatt Gesundheitsforschung Gesundheitsschutz 67(1): 107-114. doi: 10.1007/s00103-023-03804-2 https://link.springer.com/article/10.1007/s00103-023-03804-2 - Open Access
  • Tappermann, C., Xu, M., Wiese, L., Saremi, B. (2024). Development of an End-to-End Web Application for Visualization, Evaluation, and Post-processing of Result Data from Neural Network Predictions for the Melanoma Use Case. In: Casteleyn, S., Mikkonen, T., García Simón, A., Ko, IY., Loseto, G. (eds) Current Trends in Web Engineering. ICWE 2023. Communications in Computer and Information Science, vol. 1898. Springer, Cham. https://link.springer.com/chapter/10.1007/978-3-031-50385-6_11
  • Vrijenhoek, N. G., Wehr, M. M., Kunnen, S. J., Wijaya, L. S., Callegaro, G., Mone, M. J., Escher, S. E., Van de Water, B. (2022). Application of high-throughput transcriptomics for mechanism-based biological read-across of short-chain carboxylic acid analogues of valproic acid. Altex [Epub ahead of print]. doi: 10.14573/altex.2107261 https://www.altex.org/index.php/altex/article/view/2334  - Open Access