Künstliche Intelligenz trifft auf die Krebsforschung im Weltraum - als Teil des Verbundvorhaben AIMS (Artificial Intelligence Meets Space)

AMCRIS (Artificial Intelligence Meets Cancer Research In Space) ist eines der beiden biowissenschaftlichen Projekte des Verbundvorhabens AIMS (Artificial Intelligence Meets Space). AIMS ist ein Expertise-Netzwerk dessen Ziele durch bilaterale und multilaterale Zusammenarbeit zwischen KI-Experten und Experimentatoren verwirklicht werden. AIMS ist in neun Teilprojekte unterteilt. Vier Teilprojekte werden von KI-Experten geleitet, drei Teilprojekte betreffen physikalische Experimente und zwei Teilprojekte die Biowissenschaften. Das Projekt AMCRIS untersucht die Entwicklung neuer Lösungsansätze für die Tumortherapie auf der Basis von KI-basierten Auswertungen von mikrogravitations (μg) -bezogenen Bild- (DAIMLER, Prof. Zaussinger, Hochschule Mittweida und AIDIA, Prof. Breuss BTU Cottbus-Senftenberg) und OMICs-Daten. Die KI-Partner des Verbunds haben Verfahren entwickelt, die die Auswertung von Bilddaten beschleunigen und die Analyse heterogener OMICs-Datensätze ermöglichen. Weiterhin werden Aspekte wie das Zelltracking und die Zellverfolgung optimiert. Konkret wurden von Mitarbeitern von Prof. Simm (Universität Greifswald) projektübergreifende Analysen unserer unter r-μg und simulierter (s)-μg gewonnenen RNAseq-Daten mit der Verwendung von Deep-Learning-Algorithmen, dem Programm XModNN (Explainable Modular Neural Network) (PMID: 39766207) unter analytischer Verknüpfung mit externen Daten (KEGG, Gene Ontology und Gene Expression Omnibus) durchgeführt. Die unter r-μg gewonnenen RNAseq-Daten stammen von Parabelflugkampagnen (PFCs) (34. DLR PFC 9/2019, 37. DLR PFC 9/2021, 39. DLR PFC 9/2022, 41. DLR PFC 9/2023 und 43. DLR PFC 9/2024) und von Experimenten mit Tumorzellen, die auf einer ‚Random Positioning Machine‘ durchgeführt wurden. Es wurden die Prostatakarzinomzelllinien DU145, LNCaP und PC-3, die follikulären Schilddrüsenkarzinomzelllinien FTC-133 und WRO auf PFCs sowie die Brustkrebszelllinie MCF-7 untersucht. Die Daten wurden integrativ analysiert, wobei die epigenetischen DNA-Methylierungsinformationen, sofern vorhanden, Vorrang hatten. Die anschließende Interpretation der KI-gestützt ermittelten Gen-Kategorisierungen wurde vom Bioinformatik-Team der Abteilung für Mikrogravitation und Translationale Regenerative Medizin im Dialog mit den KI-Partnern (XTRAS, Prof. Simm, Universität Greifswald) und IAI-XPRESS, Prof. Villmann, Hochschule Mittweida) durchgeführt.