Home // Forschung // Angewandte KI und Big Data // Biowissenschaften und Medizin // Projekte // KI-gestützte Entwicklung von CAR-T-Zellen-Therapien

Kontakt

Prof. Dr. Jens Meiler

Institut für Wirkstoffentwicklung

Universität Leipzig

jens.meiler@medizin.uni-leipzig.de

Dr. rer. nat. Kristin Reiche

Bioinformatik

Fraunhofer-Institut für Zelltherapie und Immunologie IZI

kristin.reiche@izi.fraunhofer.de

KI-gestützte Entwicklung von CAR-T-Zellen-Therapien

Listen

Projekttitel: KI-gestützte Entwicklung von CAR-T-Zellen-Therapien

Projektdauer: 9/2023 – 08/2026

Forschungsbereich: KI Methoden für den Gesundheitsbereich

Künstliche Intelligenz (KI) verändert die Grundlagenforschung und die klinische Medizin durch die Verarbeitung komplexer Daten wie Gensequenzen, Proteinstrukturen und klinischer Bilder. Jüngste Fortschritte bei der Vorhersage von Proteinstrukturen bieten die Möglichkeit, Arbeitsabläufe zu entwickeln, die KI-Forschungsergebnisse in umsetzbare molekulare Hypothesen umsetzen, ergänzt durch visuell ansprechende Darstellungen. Dieses Projekt konzentriert sich auf die Analyse vorhergesagter Strukturen und Konfidenzwerte alternativer Spleißvarianten des CAR-Targets CD19. Unser Ziel ist es, zu verstehen, wie sich Exon-Sprünge auf die dreidimensionalen Eigenschaften dieser Proteine auswirken, was möglicherweise einige Misserfolge bei CAR-Therapien erklären könnte, wie beispielsweise das Fehlen potenzieller Epitopregionen. Unsere Ergebnisse tragen dazu bei, in Zukunft fundiertere Entscheidungen bei CAR-Therapien zu treffen.

Predicted structures for the CD19 wildtype sequence (left) and a reported splice variant (right) — Abb. 1: Vorhergesagte Strukturen für die CD19-Wildtyp-Sequenz (links) und eine beschriebene Spleißvariante (rechts).

Ziele

Unser Ziel ist es, die Plausibilität verschiedener Spleißvarianten zu bewerten, die in unterschiedlichen Datenbanken verzeichnet sind. Um die Vergleichbarkeit zu verbessern, suchen wir nach experimentell validierten Strukturen von CD19 und nutzen prädiktive Methoden, um diese zu generieren und ihre Qualität zu bewerten. Darüber hinaus identifizieren wir potenzielle Epitopregionen, die in Exon-Skip-Varianten, die mit Fluchtmechanismen in Verbindung stehen, möglicherweise fehlen.

Technologie

Wir nutzen AlphaFold, ein fortschrittliches KI-System von DeepMind, um Proteinfaltungsstrukturen mit hoher Genauigkeit vorherzusagen. Diese Technologie ermöglicht es uns, 3D-Modelle für alternative Spleißvarianten von CD19 zu erstellen. Zur Visualisierung der Modelle verwenden wir UCSF Chimera.