Erforschung des Dark Genome mit Machine Learning zur Entwicklung neuartiger Krankheitsinterventionen

Alle PatientInnen mit einer seltenen Erkrankung, und dies sind in ihrer Gesamtheit vier Millionen Menschen in Deutschland, sowie Personen mit einer Krebserkrankung – jährlich 500.000 Neuerkrankungen – werden in nächster Zukunft in der Routinediagnostik eine umfassende genetische Untersuchung erhalten. Treiber dieser Entwicklung sind die sinkenden Kosten für Genomanalysen, die mit neuen Technologien wie dem Next-Generation Sequencing (NGS) schnell und effizient durchgeführt werden können.

Damit steht die moderne Medizin an der Schwelle zu einer datengetriebenen Disziplin, die die Krankenversorgung nachhaltig verändert. Mehr und mehr rücken molekulare Daten von PatientInnen in den Fokus und ermöglichen die Diagnosestellung, erlauben Prognosen und verbessern Therapie und Prävention.

Der Mensch ist bislang nicht in der Lage, das unmittelbar therapeutische Potential der computergenerierten Daten vollumfänglich zu nutzen und in die Klinik zu übersetzen. Mit bereits unterstützenden bioinformatischen Lösungen zur Genomauswertung lässt sich das Potential bislang immer noch nur im unteren einstelligen Prozentbereich ausschöpfen. Dies liegt vor allem an der unzureichenden Auswertbarkeit von über 90% des Genoms (“Dark Genome”).​ Neue Analysestrategien werden dringend benötigt. Die Möglichkeiten aus den Bereichen Data Engineering und Machine Learning (ML) sind inzwischen so weit vorangeschritten, dass das Dark Genome mittels Artificial Intelligence (AI) immer weiter erschlossen werden kann. Wegweisende Modelle wie AlphaFold zur Strukturprädiktion von Proteinen und viele andere zeigen dies bereits deutlich. ProteinBERT, ESMFold oder Evo zeigen zudem, wie gegenwärtige Entwicklungen aus der natürlichen Sprachverarbeitung rund um den Ansatz des Self-Supervised Learnings und den Large Language Models (LLMs) ebenso als Treiber in der Genommedizin eingesetzt werden können.

Damit einhergehend ist eine der größten Herausforderungen der Genommedizin den enormen Datenmengen gerecht zu werden, die für die Genomanalyse und das Training von ML Modellen notwendig sind, denn ein einziges humanes Genom mit ca. 3,3 Milliarden Bausteinen benötigt ca. 3 Terabyte Speicher.

Um diesen Herausforderungen gerecht zu werden und neue Erkenntnisse in der Genommedizin zu schaffen haben wir in einem gemeinsamen Pilot-Projekt als Teil eines F&E Vorhabens mit dem Institut für Humangenetik und Genommedizin der Uniklinik RWTH Aachen (UKA), durch die Umsetzung einer cloudbasierten Software-as-a-Service (SaaS)-Plattform zur effizienten und umfänglicheren Genomauswertung, den Grundstein gelegt. Durch die Entwicklung und den Einsatz mehrerer ML-Services soll die Plattform zukünftig kontinuierlich erweitert werden, um die Genomauswertung insbesondere auch auf unzugängliche Teilabschnitte des Genoms auszuweiten, die nicht zu den inzwischen in der Routine Diagnostik untersuchten 23.000 bekannten Genen des Menschen gehören.