Deep Legion - Erkennung von Virulenzfaktor-Proteindomänen in Legionellen mit Hilfe von Deep Autoencodern

Abstract

Legionella pneumophila ist ein bedeutender bakterieller Krankheitserreger und verantwortlich für schwere Formen der Lungenentzündung (Legionärskrankheit), die mit einer hohen Sterblichkeitsrate einhergehen. Ein zentrales Merkmal dieses Pathogens ist die große Anzahl an Virulenzfaktoren, insbesondere Proteine mit eukaryotenähnlichen Domänen, die es dem Erreger ermöglichen, zentrale Funktionen der Wirtszelle gezielt zu manipulieren. Diese Faktoren stellen wichtige Ansatzpunkte für ein besseres Verständnis der Pathogenese sowie für die Entwicklung neuer therapeutischer Strategien dar. Die Identifikation solcher Virulenzfaktoren ist jedoch mit bestehenden bioinformatischen Methoden nur eingeschränkt möglich, da diese meist auf Sequenzähnlichkeiten beruhen und komplexe evolutionäre Anpassungen, wie horizontalen Gentransfer und funktionelle Diversifikation, nicht ausreichend berücksichtigen. Ziel des Projekts Deep Legion war es daher, ein innovatives, auf Deep Learning basierendes Framework zu entwickeln, mit dem Virulenzfaktor-Proteindomänen in Legionellen effizient, präzise und nahezu in Echtzeit identifiziert werden können. Ein besonderer Fokus lag auf dem Einsatz von Deep Autoencodern zur Analyse hochdimensionaler Sequenzdaten sowie auf der Entwicklung einer skalierbaren Annotationspipeline, die sowohl genomische als auch proteomische Daten integriert. Darüber hinaus sollte eine leistungsfähige Softwarelösung geschaffen werden, die der wissenschaftlichen Gemeinschaft zur Verfügung gestellt wird und perspektivisch zur Verbesserung der Diagnostik und Therapie von Infektionskrankheiten beiträgt.