CompLS - Runde 4 - Verbundprojekt EMUNE - Invertierbare Neuronale Netze für ein verbessertes Verständnis von Infektionskrankheiten; Teilprojekt B

Abstract

Die Wechselwirkungen zwischen Wirtsorganismen und Krankheitserregern stellen äußerst vielschichtige biologische Vorgänge dar, die maßgeblich den Verlauf von Infektionen mitbestimmen. Besonders im Fall neu auftretender Erreger bestehen erhebliche Wissensdefizite, die rasch geschlossen werden müssen. Moderne bildgebende Verfahren, serologische Analysen und sogenannte OMICS-Technologien liefern heute eine beispiellose Menge an Daten, die durch innovative Modelle wie Organoide und Gewebekulturen ergänzt werden. Dennoch stellt die systematische Auswertung und Einordnung dieser umfangreichen Informationen weiterhin eine große Herausforderung dar. Das Projekt EMUNE hatte zum Ziel, ein flexibel einsetzbares Analysewerkzeug zu entwickeln, das sich auf neuartige maschinelle Lernmethoden stützt und sowohl für experimentelle als auch klinische Daten zu Virusinfektionen anwendbar ist. Dieses Tool sollte dazu beitragen, ein tieferes Verständnis für die Interaktion zwischen Wirt und Virus zu ermöglichen. Zwischen Januar 2022 und Dezember 2024 haben wir vier Follow-up Erhebungen im Rahmen der KoCo19-Studie durchgeführt. Die dabei gewonnenen Daten ermöglichen es, verschiedene SARS-CoV-2-Varianten zu unterscheiden und in Modellen abzubilden. Für die Analyse wurden die im Projekt entwickelten BayesFlow-Strukturen eingesetzt. Es konnte gezeigt werden, dass die im Rahmen von EMUNE entwickelten Modellierungs-Ansätze eine robuste Methode zur Interpretation großer bevölkerungsbasierter Datensätze zu Infektionskrankheiten darstellen, selbst wenn diese fehlende Daten enthalten. Diese Ergebnisse könnten effizient beim Management von Infektionskrankheitsausbrüchen genutzt werden, beispielsweise um Epidemien einzudämmen.