Alle Meldungen
Abonnieren
Abonnieren Sie alle Meldungen von Technische Universität München

29.05.2019 – 10:21

Technische Universität München

Maschinelles Lernen sorgt für drastische Reduktion der Fehlerrate in der Proteomforschung

TECHNISCHE UNIVERSITÄT MÜNCHEN

Corporate Communications Center

Tel.: +49 89 289 10510 - E-Mail: presse@tum.de

Dieser Text im Web: http://www.tum.de/die-tum/aktuelles/pressemitteilungen/details/article/35470/

Weitere aktuelle Meldung zum Einsatz künstlicher Intelligenz in der Genomforschung:

http://www.tum.de/die-tum/aktuelles/pressemitteilungen/details/article/35471/

Bildmaterial in hoher Auflösung: https://mediatum.ub.tum.de/1488606

PRESSEMITTEILUNG

Künstliche Intelligenz beflügelt Proteomforschung

Maschinelles Lernen macht Proteomikforschung leistungsfähiger

Mit dem Einsatz von künstlicher Intelligenz ist es Forschenden der Technischen Universität München (TUM) gelungen, die massenhafte Analyse von Eiweißen aus beliebigen Organismen deutlich schneller als bisher und praktisch fehlerfrei zu machen. Dieser neue Ansatz wird das Forschungsfeld der Proteomik stark verändern, da er sowohl in der Grundlagen- als auch in der klinischen Forschung angewandt werden kann.

Das Genom jedes Organismus enthält die Baupläne für Tausende von Eiweißen, die praktisch alle Funktionen des Lebens steuern. Fehlerhafte Proteine führen zu schweren Krankheiten wie Krebs, Diabetes oder Demenz. Eiweiße sind somit auch die wichtigsten Angriffspunkte für Medikamente.

Damit man Lebensvorgänge und Erkrankungen besser verstehen und passendere Therapien entwickeln kann, muss man möglichst viele Proteine gleichzeitig analysieren. Aktuell wird hierzu die Massenspektrometrie genutzt, die in der Lage ist, Art und Menge der Eiweiße in einem biologischen System zu bestimmen. Jedoch machen die derzeitigen Verfahren der Datenanalyse noch viele Fehler.

Einem Team der TU München um den Bioinformatiker Mathias Wilhelm und den Biochemiker Bernhard Küster, Professor für Proteomik und Bioanalytik an der TU München, ist es nun gelungen, massenhaft erhobene proteomische Daten zu nutzen, um ein neuronales Netzwerk so zu trainieren, dass es Proteine deutlich schneller und praktisch fehlerfrei erkennen kann.

Lösung für ein gravierendes Problem

Massenspektrometer messen Proteine nicht direkt, sondern analysieren kleinere Teile, bestehend aus Aminosäuresequenzen mit bis zu 30 Bausteinen. Die gemessenen Spektren dieser Ketten werden mit Datenbanken abgeglichen, um sie einem bestimmten Protein zuzuordnen. Die Auswertesoftware kann jedoch nur einen Teil der enthaltenen Informationen nutzen. Daher werden manche Proteine nicht oder falsch erkannt.

"Das ist ein gravierendes Problem", sagt Küster. Das neuronale Netzwerk, das das TUM-Team entwickelt hat, nutzt alle Informationen der Spektren für die Identifizierung. "Dadurch verpassen wir weniger Proteine und es passieren 100 mal weniger Fehler", so Bernhard Küster.

Auf alle Organismen anwendbar

"Prosit", wie die Forscher die KI-Software nennen, ist "auf alle Organsimen dieser Welt anwendbar, auch wenn man deren Proteome vorher nie untersucht hat", sagt Mathias Wilhelm. "Das ermöglicht Untersuchungen, die vorher nicht denkbar waren."

Der Algorithmus ist mit Hilfe von 100 Millionen Massenspektren so umfangreich angelernt worden, dass er ohne erneutes Trainieren für alle gängigen Massenspektrometer eingesetzt werden kann. "Unser System ist hier weltweit führend", sagt Küster.

Ein Milliardenmarkt

Kliniken, Biotechunternehmen, Pharmafirmen und die Forschung nutzen solche Hochleistungsgeräte; es ist schon jetzt ein Milliardenmarkt. Mit "Prosit" können zukünftig noch leistungsfähigere Geräte entwickelt werden. Ebenso werden Forscher und Mediziner besser und schneller nach Biomarkern im Blut oder Urin von Patienten suchen oder Therapien hinsichtlich der Wirksamkeit überwachen können.

Auch für die Grundlagenforschung versprechen sich die Forscher viel. "Mit dem Verfahren kann man neuen Regulationsmechanismen in Zellen auf die Spur kommen", so Küster. "Wir erhoffen uns hier einen erheblichen Erkenntnisgewinn, der sich mittel- und langfristig in der Behandlung von Erkrankungen von Mensch, Tier und Pflanze niederschlagen wird."

Auch Wilhelm erwartet, dass "KI Methoden wie Prosit schon bald das Forschungsfeld der Proteomik nachhaltig verändern werden, da sie in nahezu allen Bereichen der Proteinforschung eingesetzt werden können."

Publikation:

Prosit: proteome-wide prediction of peptide tandem mass spectra by deep learning

Siegfried Gessulat, Tobias Schmidt, Daniel Paul Zolg, Patroklos Samaras, Karsten Schnatbaum, Johannes Zerweck, Tobias Knaute, Julia Rechenberger, Bernard Delanghe, Andreas Huhmer, Ulf Reimer, Hans-Christian Ehrlich, Stephan Aiche, Bernhard Küster und Mathias Wilhelm

Nature Methods, 27.05.2019 - DOI: 10.1038/s41592-019-0426-7

https://doi.org/10.1038/s41592-019-0426-7

Weitere Informationen:

Die Studie wurde durch das vom BMBF geförderte Projekt ProteomeTools realisiert, hier arbeiten die Autoren mit den Firmen JPT (Berlin), SAP (Potsdam) und ThermoFisher Scientific (Bremen) zusammen. Prosit ist über ProteomicsDB verfügbar, welches im Rahmen des DIAS Projekts vom BMBF gefördert wird.

http://www.proteomicsdb.org

http://www.proteomicsdb.org/prosit

http://www.proteometools.org/

Weitere aktuelle Meldung zum Einsatz künstlicher Intelligenz in der Genomforschung:

http://www.tum.de/die-tum/aktuelles/pressemitteilungen/details/article/35471/

Bildmaterial in hoher Auflösung:

https://mediatum.ub.tum.de/1488606

Kontakt:

Dr. Mathias Wilhelm und Prof. Dr. Bernhard Küster

Lehrstuhl für Proteomik und Bioanalytik

Technische Universität München

Emil Erlenmeyer Forum 5, 85354 Freising

Tel.: +49 8161 71 5696 - E-mail: mathias.wilhelm@tum.de; kuster@tum.de

Die Technische Universität München (TUM) ist mit rund 550 Professorinnen und
Professoren, 41.000 Studierenden sowie 10.000 Mitarbeiterinnen und Mitarbeitern
eine der forschungsstärksten Technischen Universitäten Europas. Ihre
Schwerpunkte sind die Ingenieurwissenschaften, Naturwissenschaften,
Lebenswissenschaften und Medizin, verknüpft mit den Wirtschafts- und
Sozialwissenschaften. Die TUM handelt als unternehmerische Universität, die
Talente fördert und Mehrwert für die Gesellschaft schafft. Dabei profitiert sie
von starken Partnern in Wissenschaft und Wirtschaft. Weltweit ist sie mit dem
Campus TUM Asia in Singapur sowie Verbindungsbüros in Brüssel, Kairo, Mumbai,
Peking, San Francisco und São Paulo vertreten. An der TUM haben Nobelpreisträger
und Erfinder wie Rudolf Diesel, Carl von Linde und Rudolf Mößbauer geforscht.
2006 und 2012 wurde sie als Exzellenzuniversität ausgezeichnet. In
internationalen Rankings gehört sie regelmäßig zu den besten Universitäten
Deutschlands. www.tum.de 

Weitere Meldungen: Technische Universität München
Weitere Meldungen: Technische Universität München