Interpretation biomolekularer Daten mit Hilfe von Schwarmintelligenz

Die detaillierte Struktur von Biomolekülen ist von zentralem Interesse für das Verständnis ihrer entscheidenden Funktionen und Wechselwirkungen im menschlichen Körper. Um zum Beispiel neue Medikamente zu entwickeln, müssen Forscher diese Strukturen zunächst in komplexen Experimenten bestimmen. Die aus solchen Experimenten gewonnenen Daten sind jedoch manchmal nicht eindeutig und können keiner bestimmten Struktur zugeordnet werden. Wissenschaftler des JSC, des KIT, des DKFZ und der Universität Duisburg-Essen haben gemeinsam eine KI-basierte Methode entwickelt, um solche mehrdeutigen Daten mit Hilfe von datengetriebenen molekularen Simulationen auszuwerten. Diese Methode basiert auf dem Konzept des Schwarmlernens in der KI-Forschung. Ein Supercomputer simuliert viele Schwarmmitglieder gleichzeitig auf über 1000 Prozessoren. Jedes Mitglied testet verschiedene Parameterkombinationen und Gewichtungen der experimentellen Daten mit einem ergänzenden physikalisch basierten Computermodell. Laut Marie Weiel, Doktorandin und Hauptautorin der Studie, ist ein entscheidender Bestandteil die Kommunikation zwischen den Schwarmmitgliedern, um gemeinsam eine optimale Lösung zu finden, die für die bestmögliche Interpretation der Daten als molekulare Strukturen unerlässlich ist. Die Methode liefert somit sehr genaue Strukturen und nutzt gleichzeitig die verfügbaren Rechenressourcen - in diesem Fall JUWELS und den HPC-Cluster am KIT - sehr effizient. Die Ergebnisse wurden in der Zeitschrift Nature Machine Intelligence veröffentlicht (DOI: 10.1038/s42256-021-00366-3).

Ansprechpartner: Prof. Alexander Schug

aus JSC News No. 283, 24. September 2021