Bioinformatik

Die Forschungsarbeiten im Geschäftsfeld Bioinformatik repräsentieren die gesamte datenbasierte Wertschöpfungskette translationaler biomedizinischer Forschung in Wissenschaft und Wirtschaft. Mittels automatisierter Verfahren wird biomedizinisches Wissen aus der Fachliteratur extrahiert und in suchbarer, strukturierter Form bereitgestellt. Semantische Technologien helfen dabei, komplexes biologisches und medizinisches Wissen in umfangreichen Wissensgraphen darzustellen. Diese computerlesbaren Modelle bilden ganze medizinische Indikationsgebiete ab. Ein Beispiel dafür ist der gesamte Komplex neurodegenerativer Erkrankungen, wie Alzheimer oder Parkinson. Die wissensbasierten Modelle dienen dann dazu, patientenbezogene Daten zu interpretieren, zu modellieren und individualisierte Vorhersagen zu treffen (Stichwort: Präzisionsmedizin).

Ein weiteres Forschungsthema sind datengetriebene Modelle in der Wirkstoffentwicklung. Bei den Arbeiten kommen aktuelle Big-Data-Architekturen und moderne Verfahren des Maschinellen Lernens und der Künstlichen Intelligenz zum Einsatz.

Das Geschäftsfeld Bioinformatik ist international gut vernetzt und arbeitet eng mit europäischen und US-amerikanischen Institutionen zusammen. Zu den Partnern und Kunden des Geschäftsfelds gehören auf akademischer Seite Universitätskliniken und internationale Forschungseinrichtungen, auf Seiten der Industrie die forschende Pharmaindustrie sowie Unternehmen der Biotechnologie und Software-Häuser. Fraunhofer SCAI positioniert sich dabei an der Schnittstelle zwischen akademischer und industrieller Forschung.

Als Vertreter angewandter Forschung beteiligt sich das Institut auf akademischer Seite an der Ausbildung von Studierenden des Studiengangs »Life Science Informatics« am Bonn-Aachen International Center for Information Technology (B-IT). Das Geschäftsfeld ist über drei Professuren mit der Exzellenzuniversität Bonn verbunden.

1. Information aus unstrukturierten Daten gewinnen

35 Prozent aller Daten weltweit sind gesundheitsbezogene Daten. Etwa 80 Prozent davon sind unstrukturierte Daten.

2. Technologien für Wissensgraphen

Unsere Graphenmodelle stellen Daten und Wissen im vom Computer berechenbarer Form bereit. Die gemeinsame Semantik bildet die Grundlage für die Interoperabilität von Daten und Wissen.

3. Modelle, die Daten und Wissen kombinieren

Modelle, die Daten und Wissen integrieren, bilden die Grundlage für unsere Ansätze in der Präzisionsmedizin. Sofern Wissen über Krankheitsmechanismen vorhanden ist, lassen sich Daten auch auf Patientenebene analysieren.

4. Handlungsorientierte Erkenntnisse und Entscheidungsunterstützung

Künstliche Intelligenz und Data Science helfen uns nicht nur dabei, »neue Signale« in den vorliegenden Daten zu identifizieren, sondern sie unterstützen auch die Interpretation der Daten. Wir nutzen die Erkenntnisse aus unserer Analyse zur Unterstützung der Entscheidungsfindung in Forschung und Entwicklung sowie der klinischen Therapie.