KI in der Forschung: „Entscheidender Faktor geworden“

Vergrößern

KI entschlüsselt Prinzipien des Lebens

„KI ist zu einem entscheidenden Faktor in nahezu allen Bereichen der molekularen Lebenswissenschaften geworden und unterstützt maßgeblich die Entschlüsselung molekularer Prinzipien des Lebens. KI hilft bei der Analyse experimenteller Daten, dem Erkennen von Mustern und der Klassifizierung molekularer und zellulärer Komplexität sowohl in zeitlicher als auch räumlicher Dimension.

AlphaFold demonstriert eindrucksvoll die Stärke multimodalen Lernens und den fundamentalen Zusammenhang zwischen Aminosäuresequenz und Struktur von Proteinen, indem es komplexe dreidimensionale Strukturen von Proteinen und makromolekularen Komplexen oft präzise vorhersagt und damit auch hilft, biologische Funktionen, genetische Variationen und Krankheitsmechanismen aufzuklären. Strukturvorhersagen im großen Maßstab entschlüsseln komplexe evolutionäre Zusammenhänge, während generative KI-Methoden das Design neuer Proteine und Enzyme ermöglichen, die komplexe Reaktionen durchführen können, wie etwa Kunststoffrecycling oder verbesserte Methoden in der Gentherapie.

Darüber hinaus integriert KI verschiedenartige Multi-Omics-Daten – genomische, proteomische und metabolomische –, um ganzheitliche zelluläre Netzwerke sichtbar zu machen, Krankheitsmarker zu identifizieren und gezielte Therapien zu ermöglichen. Zukünftig könnte die Fähigkeit von KI, neue Hypothesen zu generieren, den wissenschaftlichen Ansatz grundlegend verändern, insbesondere in interdisziplinären Bereichen, die Expertise aus unterschiedlichen Fachgebieten erfordern.“

Prof. Dr. Karl-Peter Hopfner ist Inhaber des Lehrstuhls für Structural Molecular Biology und Direktor des Genzentrums der LMU.

Vergrößern

KI in der Medizin

Verfahren des Maschinellen Lernens sind in der Medizin seit vielen Jahren im Einsatz für verschiedenste Anwendungen wie beispielsweise die Klassifikation von Genexpressionsmustern oder die Bildanalyse. Neuere, auf tiefen neuronalen Netzen basierende KI-Verfahren können diese Analysen heute mit immer höherer Präzision durchführen und Daten nicht nur qualitativ einordnen, sondern umfassend quantitativ auswerten.

Darüber hinaus ermöglicht die sogenannte erklärbare KI (explainable AI, ‚xAI‘) auch eine Interpretation komplexerer Daten. So können Krankheitsverläufe oder das Ansprechen auf Medikamente nicht nur vorhergesagt, sondern auch für die Vorhersage relevante pathologische Eigenschaften identifiziert werden.

Während dafür bisher fast ausschließlich experimentelle Modellsysteme zur Verfügung standen, können xAI-Verfahren in großen Patientenkohorten nach klinisch relevanten zellulären oder molekularen Merkmalen ‚suchen‘. Dies ermöglicht die Generierung von Hypothesen über kausale Krankheitsmechanismen, woraus neue Zielstrukturen für die Medikamentenentwicklung abgeleitet werden können.“

Prof. Dr. med. Frederick Klauschen ist Direktor des Pathologischen Instituts der LMU.