Künstliche Intelligenz
Forschungsprojekte
Einfache und genaue Quantifizierung von Mutationssignaturen in Tumoren
Gruppe Medo PD Dr. Matúš Medo
Mutationen im Genom sind oft nicht zufällig, sondern folgen bestimmten Mustern. Diese Muster, Mutationssignaturen genannt, sind Spuren biologischer Prozesse oder früherer Expositionen gegenüber bestimmten Karzinogenen. Mutationssignaturen können zur Aufklärung der Tumorentwicklung beitragen und prognostische und therapeutische Auswirkungen haben.
Die mathematische Schätzung von Signaturaktivitäten ist ein hochdimensionales statistisches Problem. Obwohl viele Tools zur Signaturanalyse entwickelt wurden, zeigte eine aktuelle Analyse, dass kein Tool unter allen Bedingungen die beste Leistung erbringt.
Wir schlagen vor, das leistungsstärkste Tool für eine bestimmte Aufgabe, Krebsart und Anzahl von Mutationen zu ermitteln. Dies wird durch umfangreiche vorherige Tests der vorhandenen Tools an synthetischen Daten unter verschiedenen Bedingungen erreicht. Wir schlagen ausserdem vor, ein neues Tool zu entwickeln, das Mutationen explizit einbezieht, die durch keine bekannte Signatur gut erklärt werden können.
Mit den beiden vorgeschlagenen Tools wollen wir kostspielige Sequenzierungsdaten optimal nutzen und fundierte Entscheidungen für die Behandlung von Patienten treffen.
Gezielte Bekämpfung metabolischer Superkomplexe bei therapieresistentem Prostatakrebs
Gruppe Pandey Prof. Dr. phil. Amit V. Pandey
Das kastrationsresistente Prostatakarzinom (CRPC) stellt ein tödliches Stadium der Erkrankung dar, das hauptsächlich dadurch vorangetrieben wird, dass der Tumor die Fähigkeit entwickelt, Therapien durch die Synthese eigener Androgene zu überwinden.
Unsere Forschung geht über die Untersuchung einzelner Enzyme hinaus und erforscht deren übergeordnete Organisation in sogenannten «metabolischen Superkomplexen» oder «Metabolons». Unsere zentrale Hypothese ist, dass Schlüsselenzyme der Androgenproduktion, wie CYP17A1, AKR1C3 und STS, nicht isoliert funktionieren. Stattdessen bilden sie organisierte Multi-Protein-Komplexe an der Schnittstelle von Zellkompartimenten, wie dem Endoplasmatischen Retikulum und dem Zytosol. Diese Superkomplexe agieren als hocheffiziente Produktionslinien und nutzen einen Mechanismus, der als «Substrat-Channeling» bezeichnet wird, um Vorläuferstoffe schnell in potente Androgene umzuwandeln, die das Krebswachstum antreiben.
Dieses Modell liefert eine überzeugende neue Erklärung für die robuste Resistenz, die gegen Medikamente wie Abirateron beobachtet wird. Unsere aktuelle Arbeit konzentriert sich auf die Charakterisierung der Struktur und Funktion dieser Superkomplexe. Das Endziel ist die Entwicklung innovativer Therapiestrategien, die nicht nur Schlüsselenzyme hemmen, sondern auch die entscheidenden Protein-Protein-Wechselwirkungen stören, die diese metabolischen Maschinen zusammenhalten, möglicherweise unter Verwendung neuartiger niedermolekularer Wirkstoffe oder fortschrittlicher nanopartikelbasierter Verabreichungssysteme.
Künstliche Intelligenz zur automatisierten Qualitätssicherung in der Radiotherapie für das Glioblastom-Zielvolumen und die Abgrenzung gefährdeter Organe in klinischen Studien – AQUA RT
Gruppe Reyes Prof. Dr. Mauricio Reyes
In diesem Projekt wollen wir die Hypothese testen, dass KI-basierte Auto-Segmentierungstechnologien für eine KI-gestützte multikriterielle Qualitätssicherungsbewertung in der Strahlentherapie.
Das vorgeschlagene multikriterielle Bewertungsmodell soll eine objektivere Bewertung als herkömmliche Ansätze ermöglichen und gleichzeitig gleichzeitig auf klinisch relevante Aspekte der Strahlentherapie fokussiert werden. Das vorgeschlagene Automated QUality Assurance in RadioTherapy (AQUA-RT) hat das Potenzial, die Konsistenz zu erhöhen, die Abgrenzungsqualität zu verbessern und den Arbeitsaufwand für routinemässig anspruchsvolle Qualitätssicherungsverfahren zu verringern.
Bild: Mauricio Reyes