Das Potenzial von KI in der Genomik erforschen

Neue KI-gesteuerte Lösungen versprechen eine Verbesserung der Ganzgenomsequenzierung und -diagnostik, die Einblicke in genetische Krankheiten und komplexe Zustände wie Alzheimer und Typ-2-Diabetes bietet. In diesem Interview mit MEDICA.de erklärt Dr. Uirá Souto Melo die Technologie, die hinter der Arbeit steht, die Herausforderungen, denen sie sich stellen muss, und die Vision für die Zukunft.

Könnten Sie kurz erläutern, was Lucid Genomics macht, und insbesondere, wie sich Ihre KI-Lösungen von anderen Technologien zur Ganzgenomsequenzierung unterscheiden?

Dr. Uirá Souto Melo: Lucid Genomics ist ein Projekt, das vor etwa fünf bis sechs Jahren begann. Wir haben ein Tool für maschinelles Lernen entwickelt, das die Qualität von erschwinglichen, niedrigqualitativen DNA-Sequenzierungsdaten verbessert, indem es von sauberen, hochwertigen Daten lernt. Viele Unternehmen sequenzieren ihre Patientinnen und Patienten immer noch mit der erschwinglichen, aber verrauschten Technologie, und unsere KI verbessert diese Daten, um 100 Prozent der genomischen Informationen zu extrahieren. Dieser Ansatz hilft nicht nur, genetische Krankheiten genauer zu diagnostizieren, sondern deckt auch bisher übersehene genomische Signaturen bei komplexen Krankheiten wie Osteoporose und Typ-2-Diabetes auf.

Wie geht die Technologie mit Daten von verschiedenen Sequenzierungsplattformen um?

Melo: In den letzten sechs Jahren haben wir Algorithmen entwickelt, um Daten von allen Arten von Sequenzierungstechnologien zu verarbeiten, einschließlich Short Reads und Long Reads. Unsere KI analysiert die Rohdaten von diesen Plattformen und wertet sie auf. Anschließend präsentieren wir die Ergebnisse in einer interaktiven Softwareoberfläche, die es den Nutzenden ermöglicht, die Daten zu untersuchen und bisher verborgene genomische Signaturen zu erkennen.

Was sind die Herausforderungen bei der Interpretation von nicht-codierenden Mutationen, und wie geht die Technologie damit um?

Melo: Die nicht-codierende DNA ist ein relativ neues Forschungsgebiet. Bis vor kurzem war die Sequenzierungstechnologie nicht gut genug, um nicht-codierende Regionen zu analysieren, so dass die Forschenden sie weitgehend ignorierten. Diese Regionen sind von entscheidender Bedeutung, da sie die Ausprägung von Genen steuern – wie Wandschalter, die Lampen (Gene) ein- und ausschalten. Die große Herausforderung besteht darin, die „Verdrahtung“ dieser nicht-codierenden Regionen zu kartieren. Wir haben KI-Modelle entwickelt, mit denen wir vorhersagen können, welches Gen (Lampe) betroffen sein wird (an/aus), wenn wir eine Mutation („Umlegen“) in einem bestimmten Schalter (nicht-codierende Elemente) entdecken. Das hilft uns, die Auswirkungen von nicht-codierenden Mutationen besser zu verstehen.

Welche Rolle spielen Strukturvarianten in der Diagnostik und wie geht Lucid Genomics damit um?

Melo: Strukturelle Varianten, sprich größere Mutationen, werden oft übersehen, weil sie außerhalb der zwei Prozent des Genoms liegen, die normalerweise sequenziert werden. Diese Varianten sind wichtig für das Verständnis vieler genetischer Krankheiten, aber die meisten Diagnosetools können sie nicht erkennen. Wir lösen dieses Problem, indem wir KI einsetzen, um erschwingliche Sequenzierungstechnologien zu verbessern, die es uns ermöglichen, strukturelle Varianten in der nicht-codierenden DNA zu identifizieren, die Krankheiten verursachen können. Wir haben dies bereits bei Patientinnen und Patienten mit Herz-, Knochen- und neurologischen Erkrankungen nachgewiesen.

Ist die Integration von 3D-Genomanalysen und epigenetischen Daten in die Plattform geplant?

Melo: Ja, und das ist es, was uns auszeichnet. Unsere Software extrahiert nicht nur 100 Prozent der Genomdaten, sondern integriert auch die 3D-Genomik und epigenetische Informationen. Die DNA ist nicht nur eine lineare Sequenz; sie ist im Zellkern auf bestimmte Weise gefaltet, und diese Faltung beeinflusst die Ausprägung der Gene. Wir nutzen diese 3D-Struktur, um zu kartieren, wie Gene an- und abgeschaltet werden. Wir haben auch Tools für das maschinelle Lernen entwickelt, um die epigenetische Landschaft für bestimmte Gewebe wie die Netzhaut und das Herz abzubilden, wodurch wir noch besser in der Lage sind, wirkungsvolle Varianten zu erkennen.

Datensicherheit ist heutzutage ein wichtiges Anliegen. Wie gehen Sie mit solch sensiblen genetischen Daten in Bezug auf Datenschutz und Sicherheit um?

Melo: Der Datenschutz hat in der Tat höchste Priorität. Die meisten unserer Kunden, wie Krankenhäuser und Forschungseinrichtungen, verlangen, dass unsere Software in ihren Räumlichkeiten läuft, um sicherzustellen, dass die Daten ihre sichere Umgebung nicht verlassen. Bei denjenigen, die Cloud-Dienste nutzen, halten wir uns an die allgemeine Datenschutzgrundverordnung (DSGVO) in Europa. Wir nutzen Amazon Web Services (AWS) mit Sitz in Frankfurt, und unser technischer Leiter verfügt über mehr als 15 Jahre Erfahrung im Bereich Cybersicherheit, um ein Höchstmaß an Datenschutz zu gewährleisten.

Können Sie eine aktuelle Erfolgsgeschichte teilen, in der die Technologie einen bedeutenden Beitrag geleistet hat?

Melo: In einem Fall ging es um sieben Familien aus aller Welt, die alle von einem seltenen Herzleiden namens Vorhofflimmern betroffen waren. Trotz jahrzehntelanger Untersuchungen blieb die Ursache unbekannt. Nach der Zusammenarbeit mit einer französischen Forschergruppe identifizierten wir eine Strukturvariante in der nicht-codierenden DNA, die die "Verdrahtung" der Genregulierung veränderte und zu dieser Erkrankung führte. Diese Entdeckung wurde in einem Mausmodell validiert, das die Krankheit rekapituliert. In einem anderen Fall identifizierte unsere KI ein bisher unbekanntes Muster bei Patientinnen und Patienten mit akuter myeloischer Leukämie (AML), das zu neuen Behandlungsstrategien führen könnte.