Forscher des Leibniz-Instituts für Alternsforschung - Fritz-Lipmann-Institut in Jena haben mit ihren Anträgen im Programm GO-Bio Initial des Bundesministeriums für Bildung und Forschung (BMBF) einen bemerkenswerten Erfolg erzielt. Nachdem sie 2023 erstmals eine Förderung erhalten hatten, waren sie jetzt erfolgreich. Dr.-Ing. Debdas Paul, Postdoktorand in der Arbeitsgruppe von Prof. Alessandro Cellerino, war im Auswahlverfahren erfolgreich und erhielt 99.924,40 Euro für sein Projekt. Das GO-Bio Initial Förderprogramm unterstützt lebenswissenschaftliche Forschungsansätze mit klarem Innovationspotenzial in einem frühen Entwicklungsstadium als ersten kritischen Schritt auf dem Weg zur Kommerzialisierung und zu verbesserten Gesundheitsergebnissen.
Der Sektor der Langlebigkeitstechnologie (Longevity field) konzentriert sich auf die Optimierung der menschlichen Gesundheit über die gesamte Lebensspanne durch die Entwicklung innovativer Technologien. Die größte Herausforderung für diese Branche besteht in der Durchführung zeitintensiver und komplexer klinischer Studien, die erforderlich sind, um die langfristigen gesundheitlichen Auswirkungen mutmaßlicher geroprotektiver Wirkstoffe (d.h. Wirkstoffe, die die Auswirkungen des Alters auf die Gesundheit verhindern/umkehren) in präklinischen und klinischen Studien zu bewerten. Um dieses Problem zu lösen, haben Forscher eine Reihe von Biomarkern zur Vorhersage von Gesundheit und biologischem Alter entwickelt, die auf KI-basierten Modellen, den so genannten „Aging Clocks“, basieren. Viele dieser Biomarker sind jedoch nicht artübergreifend anwendbar. Ein idealer Biomarker sollte es ermöglichen, Erkenntnisse, die in präklinischen Studien an kurzlebigen Labortieren gewonnen wurden, effektiv auf langlebige Tiere, insbesondere Menschen, zu übertragen.
Dr.-Ing. Debdas Paul, als Projektleiter und Hauptantragsteller, arbeitete mit Prof. Cellerino und Darya Krasilnikov, MBA, einer Expertin für Geschäftsentwicklung von der Scuola Normale Superiore, Pisa, Italien, zusammen, um mit dem Projekt „GBi5S“ eine Förderung durch das BMBF zu beantragen: Multi-omic, Multi-tissue Intelligent Aging Clock (MOMAC)“. Er und sein Team konzentrieren sich auf die Entwicklung einer fortschrittlichen Alterungsuhr, die Deep-Learning-Techniken zur Vorhersage des Alters in erster Linie aus transkriptomischen Daten nutzt, um eine einfache Übertragbarkeit zwischen verschiedenen Spezies zu ermöglichen. Das Modell ist nicht auf transkriptomische Daten beschränkt, sondern kann auch auf Daten angewandt werden, die durch andere Modalitäten gewonnen wurden, z.B. Epigenetik, Proteomik usw. Die Uhr wird ein breites Spektrum von Anwendungen haben. Eine wichtige Anwendung ist die Bewertung der Auswirkungen geroprotektiver Substanzen auf menschliches Gewebe durch die Analyse öffentlich zugänglicher Störungsdaten-sätze, die aus Tests wie dem L1000 gewonnen wurden. Die ermittelten Wirkungen können dann in silico anhand von Omics-Daten eines kurzlebigen Labortiermodells validiert werden. In unserem Fall handelt es sich um den Killifisch - das kurzlebigste Wirbeltier, das die Merkmale des Alterns mit dem Menschen teilt.
„Unsere Plattformtechnologie nutzt die Architektur eines tiefen neuronalen Netzes, um das Alter aus hochdimensionalen, verrauschten transkriptomischen Daten genau zu messen und vorherzusagen“, sagt Dr.-Ing. Paul. Durch die Erkennung der Auswirkungen geroprotektiver Substanzen erleichtert diese Technologie die Bewertung von Interventionen in präklinischen und klinischen Studien sowie in der personalisierten Medizin.
„Die nahtlose Integration von kontradiktorischem Lernen und binärer stochastischer Filterung ist ein neuartiger Ansatz (Patent veröffentlicht), der ursprünglich von Dr. Elisa Ferrari, einer ehemaligen Doktorandin von Prof. Cellerino, entwickelt wurde. Diese Kombination ist bisher noch nicht erforscht worden, insbesondere nicht mit transkriptomischen Daten. “Ich bin jetzt hier, um dieses Modell mit meinem Team weiterzuentwickeln, zu erweitern und umfassend zu validieren, um es in ein praktikables Produkt umzusetzen“, erklärt Dr.-Ing. Paul. „Adversariales Lernen hilft, den Einfluss von Störvariablen zu eliminieren, während der binäre Filter die wichtigsten Merkmale identifiziert, um genaue und interpretierbare Vorhersagen zu ermöglichen.”
MOMAC wird bereits durch das FLI-interne SPARK-Mentorenprogramm der Core Facility Technologie Transfer unterstützt, das hilft, den Reifegrad solcher Technologien voranzutreiben. Die Förderung des Bundesministeriums kommt nun zum richtigen Zeitpunkt. In dieser Sondierungsphase werden die Schutzrechte des Projekts und die potenziellen Zielmärkte abschließend geklärt und identifiziert. Darüber hinaus ist geplant, die MOMAC-Technologieplattform für interessierte akademische und industrielle Partner zugänglich zu machen.
Das GO-Bio Initial Programm des Bundesministeriums für Bildung und Forschung (BMBF) ist eine zweistufige Fördermaßnahme im Life Science-Bereich für die Dauer einer einjährigen Sondierungsphase und einer zweijährigen Machbarkeitsphase. Es werden jährlich bis zu 1,1 Millionen Euro Fördergeld ausgeschüttet für Projekte in der Ideen- und Findungsphase. Erklärtes Ziel ist es, diese in die Anwendung zu bringen.