CAIMed Gruppe 1b: KI und Bioinformatik
Leitung
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.
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.
Gruppenleiter
Zu den Mitarbeitern der Nachwuchsforschungsgruppe gehören:
Dr. Maximilian Schieck ist Teil der Hannover Unified Biobank unter der Leitung von Prof. Thomas Illig. Er ist der Sprecher der CAIMed Nachwuchsforschungsgruppe KI und Bioinformatik. Er verfügt über einen starken Hintergrund in populationsbasierten Assoziationsstudien in Kombination mit funktionellen genetischen Analysen. Seine Motivation ist es, die Patientenversorgung auf der Grundlage fundierter Daten in Verbindung mit modernster KI-gestützter Forschung zu verbessern.
Dr. Sebastian Klein gehört zum Team von Prof. Markus Cornberg am CiiM. Er ist spezialisiert auf die Etablierung und Verfeinerung molekularer Analysetechniken, vor allem im Bereich der Transkriptomik und Proteomik. Er hat zahlreiche Einzelzell-Sequenzierungsprojekte betreut und ist für die kritische Überprüfung und Qualitätsbewertung eines breiten Spektrums von Datensätzen verantwortlich, was entscheidend für die spätere Datenintegration und Nutzung der Daten innerhalb von CAIMed ist
Dr. Mohamad Ballan ist Mitglied des Teams von Prof. Yang Li am CiiM. Er verfügt über Erfahrung in der Multi-Omics-Datenanalyse mit Fachkenntnissen in der Integration genomischer, epigenomischer und transkriptomischer Daten. Seine Arbeit ist entscheidend für die Datenintegration und -nutzung im Rahmen von CAIMed.
Forschungsprojekte
Die Arbeitsgruppe befindet sich im Aufbau, bereits bewilligte Projekte umfassen die BMBF geförderten FEDCOV sowie AID-PAIS., welche im engen Verbund mit weiteren CAIMed Partnern beantragt wurden. In Summe konnten hier mehr als €1,7 Millionen eingeworben werden. Das Projekt FEDCOV wird sich mit der Etablierung und Verwendung von föderierten Lernmodellen auf dezentralen long-/post-COVID-Datensätzen beschäftigen, um die Pathogenese von long-/post-COVID zu untersuchen. Föderierte Lernmodelle sind eine vielversprechende Methode, um heutige Datenschutzvorgaben zu erfüllen und zeitglich Daten für anspruchsvolle Analysemethoden des maschinellen Lernens bereitzustellen.
Der Projektname AID-PAIS steht für KI-gesteuerte Integration von multimodalen Omics- und klinischen Daten für ein besseres Verständnis postakuter Infektionssyndrome. In diesem Projekt stehen unter anderem Deep Learning und Foundation Modelle im Fokus, um spezifische Biomarker und/oder molekulare Signaturen von postakuten Infektionssyndromen besser zu identifizieren und patientenspezifische Subtypen zu bestimmen.
Mentor:innen
Die Gruppe wird unterstützt durch die Mentor:innen Prof. Thomas Illig, Prof. Markus Cornberg, Prof. Yang Li.
Publikationen
- Niehaus C, Klein S, Strunz B, Freyer E, Maasoumy B, Wedemeyer H, et al. CXCR6+CD69+ CD8+ T cells in the ascites are associated with disease severity in patients with liver cirrhosis. JHEP Reports. 2024 Jun 1;6(6):101074–4. DOI: 10.1016/j.jhepr.2024.101074
- Liu Z, Crișan TO, Qi C, Gupta MK, Liu X, Moorlag SJCFM, Koeken VACM, de Bree LCJ, Mourits VP, Gao X, Baccarelli A, Schwartz J, Pessler F, Guzmán CA, Li Y, Netea MG, Joosten LAB, Xu CJ. Sex-specific epigenetic signatures of circulating urate and its increase after BCG vaccination. Res Sq [Preprint]. 2024 Jul 22; DOI: 10.21203/rs.3.rs-4498597/v1. PMID: 39108482
