Jena. Forscher am Leibniz-Institut für Alternsforschung - Fritz-Lipmann-Institut (FLI) in Jena haben einen bemerkenswerten Erfolg erzielt: Dr.-Ing. Debdas Paul, Postdoktorand und Datenwissenschaftler in der Forschungsgruppe von Prof. Alessandro Cellerino, sicherte sich durch das GO-Bio-Initialprogramm des Bundesministeriums für Bildung und Forschung (BMBF) eine Förderung in Höhe von 99.924€. Bereits 2023 wurde dem FLI eine solche Unterstützungg zuteil.
Der Sektor der Langlebigkeitsforschung widmet sich der Optimierung der Gesundheit über den gesamten menschlichen Lebenszyklus hinweg durch die Entwicklung neuer Technologien. Eine der größten Herausforderungen dabei ist die Durchführung umfangreicher und komplexer klinischer Studien, um die langfristigen gesundheitlichen Auswirkungen potenzieller geroprotektiver Verbindungen zu evaluieren. Forscher greifen hierfür auf prädiktive Biomarker für Gesundheit und biologisches Alter zurück – die sogenannten „Aging Clocks“ auf Basis von KI-Modellen. Viele dieser Biomarker sind jedoch nicht über verschiedene Spezies hinweg übertragbar; ein entscheidendes Problem, wenn Ergebnisse aus kurzlebigen Tiermodellen auf den Menschen übertragen werden sollen.
Im Projekt „GBi5S: Multi-omic, Multi-tissue Intelligent Aging Clock (MOMAC)“ entwickelt Dr.-Ing. Debdas Paul zusammen mit Prof. Cellerino und der Geschäftsentwicklungsexpertin Darya Krasilnikov von der Scuola Normale Superiore in Pisa eine fortschrittliche Altersuhr, die Deep-Learning-Techniken nutzt, um das Alter vor allem aus transcriptomischen Daten vorherzusagen. Das Modell ist vielseitig – so kann es auch epigenetische, proteomische und andere Omik-Daten integrieren und so eine Übertragbarkeit zwischen Spezies ermöglichen.
„Unsere Plattformtechnologie verwendet die Architektur tiefer neuronaler Netzwerke, um das Alter präzise aus hochdimensionalen, verrauschten transcriptomischen Daten vorherzusagen“, erklärt Dr.-Ing. Paul. „Das Erkennen der Auswirkungen geroprotektiver Verbindungen erleichtert die Bewertung von Interventionen in präklinischen und klinischen Studien sowie in der personalisierten Medizin.“ Er fügt hinzu: „Die Integration von adversarialem Lernen und binär-stochastischem Filtern – ein neuartiger Ansatz, der ursprünglich von Dr. Elisa Ferrari entwickelt wurde – ist ein Durchbruch in unserem Bereich. Ich freue mich darauf, dieses Modell weiterzuentwickeln und zu validieren, um es am Ende in ein tragfähiges Produkt zu überführen.“
Das MOMAC-Projekt wird überdies auch durch das interne SPARK-Mentoring-Programm des FLI unterstützt. Ziel der Technologie-Einrichtung am Institut ist es, die Reife innovativer Technologien voranzutreiben und für akademische und industrielle Partner zugänglich zu machen.
Das GO-Bio-Initialprogramm ist eine zweistufige Förderinitiative. Sie unterstützt Ideen in den Lebenswissenschaften in der Frühphase mit einer jährlichen Fördersumme von bis zu 1,1 Millionen Euro für explorative und Machbarkeitsphasen.
