Digitale Modelle bieten noch mal mehr Einblicke als Mikroskope: Die Leber ist eines der Systeme, die Königs Team unter die Lupe nimmt.
Modelle, so komplex
wie der Körper selbst
Wie sieht sie aus, die Zukunft der Biologie? Für Matthias König ist klar: „In der Zukunft werden Analysen in den Laboren digital ablaufen, und es wird Expertinnen und Experten geben, die auf Computermodelle oder Bioinformatik spezialisiert sind und sich mit der Hardware, der Software und den Workflows auskennen.“ Für eine gekonnte Kollaboration zwischen Daten und Modellen braucht es vor allem die Zusammenarbeit zwischen Forschenden, die biomedizinische Daten sammeln, und Forschenden, die diese Daten verwenden, um Modelle zu entwickeln. Essenziell ist es also, den Austausch zwischen solchen Forschungsgruppen zu verbessern. In der IT etablierte Methoden wie Versionskontrolle (etwa per GitHub) und geteilte Dokumente sind unter den Forschungsgruppen allerdings unterschiedlich gut bekannt. „Eine große Herausforderung für die interdisziplinäre Zusammenarbeit ist es, dass alle Beteiligten diese digitale Sprache verstehen und sprechen müssen. Denn digitale Daten sind das zentrale Austauschformat zwischen den unterschiedlichen Gruppen.“
Standards sind in der computergestützten Biologie essenziell. Das gilt auch für die Arbeit mit Modellen. Die von König geleitete Forschungsgruppe legt genau auf solche komplexen Modelle, sogenannte digitale Zwillinge, ihren Fokus: „Um medizinische und biologische Fragestellungen beantworten zu können, benötigen wir Modelle, die aus vielen Bestandteilen bestehen. Sie müssen einerseits multiskalisch sein und andererseits Komponenten enthalten, die unterschiedliche Subsysteme abdecken.“ Was der Forscher hier anspricht, sind die verschiedenen Ebenen und Bestandteile eines biologischen Systems. Molekulare Reaktionen laufen im Körper extrem schnell ab und müssen daher in sehr kleinen Zeitintervallen modelliert werden. Dagegen verändern sich das Verhalten von Geweben und die Entwicklung von Krankheiten über deutlich längere Zeiträume. Diese unterschiedlichen Ebenen nennt man Skalen und sie stellen bei der Modellierung eine große Herausforderung dar. Zusätzlich kommen die verschiedenen Aspekte eines Systems hinzu, also seine Teilsysteme. Im Körper müssen zum Beispiel Stoffwechselkreisläufe, Transportvorgänge oder Molekülverhalten gleichzeitig dargestellt und miteinander verknüpft werden. Deshalb verfolgt der Forscher zusammen mit seinem Team das Ziel, technologische Grundlagen beizutragen, um verschiedene Systeme auf unterschiedlichen Skalen in ein Modell zu integrieren. Ein solch komplexes Projekt braucht viele Forschungsgruppen, die jeweils die einzelnen Bestandteile entwickeln, um diese anschließend zusammenzuführen.
Matthias König ist sich sicher: In Zukunft müssen alle Data Scientists sein, die gute Forschung betreiben wollen.
Dr. Matthias König
ist Leiter des König Lab an der Humboldt-Universität zu Berlin. Seine bisherige Karriere begann mit Beiträgen zu Projekten wie der Virtual Liver und LiSyM, einer Initiative mit dem Ziel, die Leber für Forschung und Vorhersagen digital abzubilden. Anschließend promovierte Matthias König in Biophysik an der Charité und behandelte die Modellierung des Glucose-Metabolismus. Während seiner bisherigen wissenschaftlichen Karriere war er Editor vieler Initiativen und bereicherte so die Forschung mit einer Vielzahl an Publikationen, Arbeiten und Ansätzen zur Standardisierung.
Über den Autor
Maceo De Souza entwickelte frühzeitig ein Interesse für Natur- und Computerwissenschaften. Während seines aktuellen Studiums der Biologie und Bioinformatik an der Humboldt-Universität zu Berlin entwickelte er eine Faszination für Biosimulation und computergestützte Biologie und begann den Austausch mit Expert*innen zu suchen. Dabei stieß er auch auf die GI und dieses Magazin. Maceo De Souzas Ziel ist es, seine Erkenntnisse bestmöglich mit anderen zu teilen.
Black Boxes und Schnittstellen
Matthias König und sein Team widmeten sich unter anderem der Simulation von Schäden an der Leber, die durch das Einnehmen von Medikamenten entstehen. Ziel dieser Arbeit war es, zu verstehen und vorherzusagen, wo in der Leber Medikamente Zellen schädigen, warum dies geschieht und was entscheidend dabei hilft, zukünftig sicherere Medikamente zu entwickeln. Hierfür musste sowohl die Ebene der Leberzelle als auch die Ebene des Gewebes dargestellt werden, um den Metabolismus (also den Stoffwechsel und die Schädigung durch das Medikament) und den Transport (samt Blutfluss, Medikamententransport und Gewebsmechanik) realistisch abzubilden. Jeder dieser Bestandteile besteht aus vielen hochkomplexen Rechnungen, weshalb sie sich als Black Box – oder eher „Grey Box“ – verstehen lassen. Und erst mit unterschiedlichen mathematischen Verfahren, die über Schnittstellen miteinander kommunizieren, lassen sich die Ergebnisse zusammenführen. Es ist essenziell, aber nicht einfach zu rechtfertigen, dass diese einzelnen Black Boxes als Teil eines Ganzen die richtigen Aspekte eines Systems beschreiben und eine hohe Genauigkeit erlauben. Hier braucht es Schnittstellen, die den Zusammenschluss vereinfachen, sowie standardisierte Herangehensweisen für die Beschreibung der Inhalte.
Schon lange existieren Tools, die hauptsächlich auf die mathematische Denkweise der Ingenieurwissenschaften ausgerichtet sind. Matthias König und sein Team nutzen in ihrer Entwicklung mathematische Werkzeuge für die Beschreibung lebender, komplexer, stochastischer Systeme. „Das standardisiert mit Computermodellen zu machen, ist sehr innovativ“, sagt der Forschungsleiter, der auch an der Entwicklung einer Standardsprache für Modelle beteiligt war. Die Systems Biology Markup Language (SBML) kommt zum Einsatz, um Systeme mit gewöhnlichen Differenzialgleichungen (ODE) zu beschreiben. „Hier geht es viel um die Dynamik eines Systems über die Zeit“, so König. Jedoch bedarf es für große, komplexe Modelle auch anderer mathematischer Herangehensweisen und Frameworks, darunter logische Modelle, symbolische Modelle oder Constraint-based Modelle. „Eine große Herausforderung ist es, nun nicht nur die unterschiedlichen Skalen und Subsysteme, sondern auch diese verschiedenen Frameworks zusammenzubringen“, sagt König. „Mit dieser Standardisierung von bestimmten Subkomponenten tragen wir zu der Metadatenbeschreibung, Reproduzierbarkeit und auch der Interoperabilität bei.“
Es fehlt an Daten
Mit Blick auf die Zukunft ist sich König sicher: Nicht die Infrastruktur stellt die eigentliche Grenze dar, sondern die Datenverfügbarkeit und -qualität. Besonders die Zugänglichkeit und Genauigkeit der Daten sind unzureichend. „Das ist ein riesiges Problem in Deutschland. Insbesondere in den skandinavischen Ländern wurde Digitalisierung ernst genommen und so konnten wertvolle Daten gesammelt werden, die uns hierzulande fehlen.“ In Deutschland sorgt das politisch-föderale System für viele parallel laufende Lösungsversuche, und dies auf Kosten der Effektivität.
Raum für Verbesserung gibt es laut König im modernen Konzept der wissenschaftlichen Karriere. Seine Devise: weniger Publikationsdruck und mehr Forschungsinitiative. Vor allem Lizenzmethoden, um Werke frei nutzbar zu machen, ohne Rechte abgeben zu müssen, und Open Educational Resources könnten ihm zufolge bereits positive Auswirkungen haben. Im Gespräch über den viel diskutierten „Bottleneck“ bei der Datenqualität und -quantität führt König die bestehenden Entwicklungen der generativen KI an. Hier zeigt sich sehr klar, wie sehr die Qualität der Entwicklung von den verfügbaren Daten abhängt. „Ich glaube, ähnliche Ergebnisse, wie man sie bei generativer KI gesehen hat, wird man nun auch in der Systembiologie und Systemmedizin sehen.“
Besonderes Potenzial sieht König in puncto Prävention. Denn: Deutschlands Bevölkerung altert. Die Zahl der Senior*innen stieg zwischen 1990 und 2021 um 58 Prozent, hinzu kommt die schrumpfende Zahl der Erwerbstüchtigen. Sozial- und Gesundheitssysteme stehen dadurch vor großen Herausforderungen. Mit komplexen Modellen ließen sich Gesundheitsdaten der Patient*innen so verarbeiten, dass individuelle Hinweise wie Risikovorhersagen oder Therapievorschläge möglich wären. „Dies könnte eines der wichtigsten Mittel sein, um zukünftig die Belastung des Gesundheitssystems durch den demografischen Wandel zu reduzieren.“
Zum Schluss ein Denkanstoß: Im Gespräch mit Matthias König wurde immer wieder deutlich, wie zentral informatische Kompetenzen für jede Form der Forschung werden. Er formuliert es noch drastischer: „Jede und jeder muss in Zukunft Data Scientist sein, um gute Forschung zu betreiben.“ Für ihn ist es essenziell, zu hinterfragen, wie der Computer funktioniert, und dieses Denken zu festigen. Das Gespräch zeigte aber auch, dass die Zukunft der Biologie nicht allein in neuen Technologien liegt, sondern in der Fähigkeit, disziplinübergreifend zu denken und zu lernen.
