Um das Zusammenspiel der Proteine zu verstehen, müssen grosse Datenmengen in hoher Qualität und möglichst effizient analysiert werden. Eine von MSAID entwickelte KI-gestützte Software unterstützt die Forscher auch bei komplexen Problemen.
Die Medizin der Zukunft wird Diagnosen und Therapiepläne besser und schneller erstellen und sie werden individuell auf die Patienten abgestimmt. In diesem Bereich ist ein Start-up der Technischen Universität München, die MSAID GmbH, tätig. Ein Team um Professor Bernhard Küster, Professor für Proteomik und Bioanalytik an der Technischen Universität München, entwickelte einen Software-Prototyp. Dieser kann nachweisen, welche Proteine wann und in welcher Menge in einer Probe vorhanden sind und wie sie sich verhalten.
Mit dem besseren Verständnis dieser Vorgänge könnten medizinische Durchbrüche in der Diagnose und Therapie von Krankheiten möglich werden. Um die weitere Entwicklung zu ermöglichen und die Ergebnisse weiteren Institutionen zur Verfügung stellen zu können, gründeten Bernhard Küster und Mathias Wilhelm zusammen mit vier weiteren Forschern das Start-up MSAID, das sich auf Deep Learning-Modelle im Bereich der Proteinforschung spezialisierte.
Identifikation von Fingerabdrücken
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. Die in einer Probe enthaltenen Abdrücke können wir mit Hilfe eines Massenspektrometers sichtbar machen. Die Qualität dieser Abdrücke ist jedoch nicht immer gut, oft hat man nur einen Teilabdruck eines Peptids und teilweise überlagern diese einander sogar. Das erschwert die Identifikation, welches Messergebnis auf welches Peptid zurückzuführen ist. Es ist ein wenig so, als würde man Fingerabdrücke auf einer Türklinke analysieren wollen, die von vielen verschiedenen Menschen berührt wurde.»
Ein Mensch kann die enormen Datenmengen nicht analysieren. Er besteht selbst aus über 20’000 Proteinen. Mit KI wird die Simulation von Mustern genutzt. Ein Algorithmus vergleicht die Messergebnisse mit einem Peptid-Register, in dem KI-generierte Muster hinterlegt wurden. «Diese Muster entsprechen denen, die Peptide in der Analyse mit dem Massenspektrometer ergeben. Und noch mehr: Sie können sogar dazu dienen, vorherzusagen, welche Muster sich ergeben, wenn verschiedene Peptide einander überlagern.»
Mit diesem Verfahren können Proteine besser identifiziert und ihre Mengen besser bestimmt werden. Die manuelle Arbeit wird reduziert und wochenlange Analysen dauern nur noch wenige Tage. «Das ermöglicht neue Wege in der frühen Diagnose von Krankheiten, in der personalisierten Medizin und in der Medikamentenentwicklung.»
