Topologie für die Untersuchung von Virusmutationen verwenden

coronawhoWHO

Forschungsaktivitäten und Initiativen:

Topologische Datenanalyse und kritische Mutationen des Coronavirus

  • PD Dr. Andreas Ott (IAG), KIT
  • Michael Bleher M.Sc., Univ. Heidelberg
  • Lukas Hahn M.Sc., Univ. Heidelberg
  • Prof. Dr. Ulrich Bauer, TU München
  • Prof. Dr. Raul Rabadan, Columbia Univ.
  • Dr. Juan Patiño-Galindo, Columbia Univ.
  • Dr. Mathieu Carrière, INRIA Nizza

Diese im März 2020 gestartete Forschungskooperation ist die erste, die Methoden der Topologischen Datenanalyse nutzt, um kritische Mutationen in der Evolution eines Virus in Echtzeit zu verfolgen, speziell des Coronavirus SARS-CoV-2.

Es wurde ein Algorithmus entwickelt und implementiert, der kritische Mutationen des Coronavirus-Genoms in sehr großen Gensequenz-Datensätzen, wie z. B. dem GISAID-Datensatz mit derzeit ca. 300000 Coronavirus-Gensequenzen aus aller Welt, in sehr kurzer Zeit erkennen und analysieren kann und somit für eine Echtzeitverfolgung geeignet ist. Auf diese Weise können (i) Mutationen, mit denen sich das Virus an den Menschen anpasst oder Gegenmaßnahmen (wie Impfungen) entgeht, und (ii) die Entstehung neuer Virusvarianten durch Rekombination automatisch erkannt werden. Die so gewonnenen Erkenntnisse sind zum einen sehr nützlich für die Weiterentwicklung und Anpassung von Impfstoffen, zum anderen helfen sie, die Entstehung neuer Varianten des Coronavirus frühzeitig zu erkennen und ihre Relevanz einzuschätzen, um sie dann in Laborexperimenten auf ihre Gefährlichkeit zu testen.

Ein wichtiger Vorteil der in diesem Projekt eingesetzten neuartigen topologischen Methoden gegenüber den üblichen Standardmethoden in der Bioinformatik ist, dass die resultierenden Algorithmen bereits vom Design her für die oben genannten Anwendungen optimiert sind und damit die großen und im weiteren Verlauf der Pandemie ständig wachsenden Datenmengen an Coronavirus-Gensequenzen überhaupt erst einmal zuverlässig und in sehr kurzer Zeit verarbeiten können. Dies ist wichtig für eine möglichst umfassende Echtzeit-Verfolgung der weltweiten Pandemie. Langfristig können die in diesem Projekt entwickelten Methoden auch in der Pandemieprävention für andere Virusarten (z. B. Influenza) eingesetzt werden.