Datenanalyse KI-gestützte Proteomik auf Basis von Chimerys

Anbieter zum Thema

Technische Universität München

Governikus GmbH & Co. KG

secunet Security Networks AG

Die TUM-Ausgründung MSAID hat eine Cloud-basierte KI-Plattform für die Proteomanalyse entwickelt, um die damit verbundenen großen Datenmengen effizient zu verarbeiten. Die Plattform mit dem Suchalgorithmus CHIMERYS verspricht schnellere Diagnosen und individualisierte Therapien durch präzise Proteinidentifikation.

Die Analyse des Zusammenspiels von Proteinen stellt Forschende vor ein Problem: Die Proteomdaten wachsen exponentiell, während die Verarbeitung nach wie vor auf lokale Hardware angewiesen ist. Komplexe Skripte und fehleranfällige manuelle Workflows belasten die Forschung. „Laboratorien stehen vor erheblichen Herausforderungen bei der Datenverarbeitung“, erklärt das Forschungsteam der MSAID GmbH, einer Ausgründung der Technischen Universität München (TUM), in ihrer aktuellen Publikation.

Digitalisierung

KI transformiert die Krebsforschung

Das Forschungsteam hat deshalb eine Software-Plattform entwickelt, die die Proteomanalyse revolutionieren könnte. Die MSAID-Plattform setzt auf eine vollautomatisierte Pipeline, die alle Schritte von den Rohdaten bis zu biologischen Erkenntnissen abdeckt. Herzstück ist der KI-gestützte Suchalgorithmus CHIMERYS, der auf Deep Learning-Modellen basiert. „Wir können mit unserem Ansatz Proteine in komplexen Proben wie Gewebe und Plasma substanziell besser identifizieren, ihre Mengen besser bestimmen und reduzieren manuelle Arbeitsschritte“, sagt MSAID-CEO Martin Frejno. Zudem ließen sich mit der Software mehrwöchige Analysen in nur wenigen Tagen durchführen. „Das ermöglicht neue Wege in der frühen Diagnose von Krankheiten, in der personalisierten Medizin und in der Medikamentenentwicklung.“

Das System funktioniert nach einem besonderen Prinzip. 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.“ Diese Abdrücke könne man zwar mit einem Massenspektrometer sichtbar machen, allerdings sei die Qualität der Abdrücke nicht immer gut, oft habe man nur einen Teilabdruck eines Peptids oder teilweise Überlagerungen. „Es ist ein wenig so, als würde man Fingerabdrücke auf einer Türklinke analysieren wollen, die von vielen verschiedenen Menschen berührt wurde“, erläutert Zolg.

Register für KI-generierte, molekulare „Fingerabdrücke“

Der Algorithmus gleicht deshalb die Messergebnisse mit einer Art „Peptid-Register“ ab, in dem KI-generierte Muster hinterlegt sind. Die technische Umsetzung erfolgt über eine Cloud-native Microservice-Architektur auf Amazon Web Services. Die Plattform kann somit mehrere hundert Recheninstanzen gleichzeitig nutzen und dadurch große Datenmengen parallel verarbeiten. Eine einzelne, ein Gigabyte (GB) große HeLa-Datei wird laut der Publikation in 36 Minuten verarbeitet, 100 Dateien gleichzeitig benötigten wiederum nur 108 Minuten. In der Praxis habe man einen 103 GB großen Datensatz gegenüber der ursprünglichen Akquisitionszeit 2,7-mal schneller verarbeiten können.

Für IT-Verantwortliche in Gesundheitseinrichtungen bietet die Lösung mehrere Vorteile. Der Upload erfolgt sicher über eine Weboberfläche oder einen Command-Line-Client mit Geschwindigkeiten von über 100 MB/s. Alle Daten werden verschlüsselt übertragen und gespeichert. Die Plattform erfüllt ISO-Standards und ist GDPR-konform.

Die Plattform unterstützt verschiedene Massenspektrometrie-Ansätze einschließlich Data-Dependent Acquisition, Data-Independent Acquisition und Parallel Reaction Monitoring. Aktuell ist sie mit allen Thermo Scientific-Massenspektrometern kompatibel, die Unterstützung für weitere Hersteller und offene Formate wie mzML ist noch für 2025 geplant. Für die praktische Anwendung bietet MSAID verschiedene Zugangsoptionen. Neben der Standard-SaaS-Lösung sind Virtual-Private-Cloud-Deployments und lokale Server-Installationen möglich. Dies erlaube es Einrichtungen mit besonderen Compliance-Anforderungen, die Technologie zu nutzen und gleichzeitig die volle Datenkontrolle zu behalten.

Die Auswirkungen auf die personalisierte Medizin könnten erheblich sein. „Das ermöglicht neue Wege in der frühen Diagnose von Krankheiten, in der personalisierten Medizin und in der Medikamentenentwicklung“, erklärt Frejno die Perspektiven der Technologie.

Digitale Medizin

Digitale Systeme entlasten das Gesundheitswesen

(ID:50614411)