Detailseite
GraBaDrug: Graph-basierte Methoden für das rationale Wirkstoffdesign
Antragstellerinnen / Antragsteller
Professor Dr. Oliver Koch; Professorin Dr. Petra Mutzel
Fachliche Zuordnung
Theoretische Informatik
Förderung
Förderung von 2014 bis 2022
Projektkennung
Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 254908656
Das Projektziel ist die Entwicklung neuer und effizienter Algorithmen zur Analyse von sehr großen (Big Data) Moleküldatenbanken mit bis zu einer Milliarde Molekülen unter Berücksichtigung einer ähnlichen biologischen Wirkung. Wir werden uns dabei auf die Ähnlichkeitssuche und das Clustering von Molekülen konzentrieren, welche wichtige Aufgaben im Rahmen des virtuellen Screenings, der Substruktursuche, der Ähnlichkeits- und Diversivitätsanalyse, und der Entdeckung von Struktur-Wirkungsbeziehungen innerhalb des rationalen Wirkstoffdesigns erfüllen. Dafür wird das Maximum Similar Subgraph (MSS) Paradigma vorgeschlagen, dass das bekannte Maximum Common Subgraph Problem für Substruktursuchen in Moleküldatenbanken um erlaubte Abweichungen unter Berücksichtigung ähnlicher Bioaktivität erweitert. Wir werden unsere neu entwickelten Algorithmen zur MSS-Bestimmung dazu verwenden um Moleküle zu vergleichen und zu clustern. Wir addressieren dabei unter anderem Parallelisierung (massiv und verteilt) auf einem Rechencluster mit Multicore-Prozessoren sowie platzsparende Datenstrukturen und Algorithmen. Darüber hinaus werden wir graph-basierte 'Deep Learning' Methoden und deren Anwendung in der Ähnlichkeitssuche bzw. der Vorhersagefähigkeit in Zusammenhang mit großen Bioaktivitätsdatenbanken im Detail analysieren. Die entwickelten Methoden sollen direkt innerhalb der computerunterstützten rationalen Wirkstoffforschung getestet und auch angewendet werden. Ein Forschungsbereich ist hierbei die Entwicklung neuer Wirkstoffe zur Bekämpfung der Tuberkulose und Trypanosomen-Erkrankungen (z.B. die Schlafkrankheit).
DFG-Verfahren
Schwerpunktprogramme
Teilprojekt zu
SPP 1736:
Algorithmen für große Datenmengen