Der Lehrstuhl Computergestützte Systembiologie der Universität Hamburg untersucht die molekularen Mechanisms die zur Ausprägung von Krankheiten führen unter Einsatz von Methoden der Künstlichen Intelligenz und mittels kombinatorischer Optimierung. Wir entwickeln Methoden für die sogenannte Netzwerk- bzw. Systemmedizin, speziell für Mechanotypisierung und zur Redefinition von Krankheiten anhand ihrer molekularen Ursachen anstelle ihrer Symptome. Wir entwickeln neue Ansätze zur (teil synergistischen) Nutzung von existierenden Medikamenten für andere Krankheiten, als die bisher indizierten. Ausserdem entwickeln wir neue Werkzeuge der Künstlichen Intelligenz welche die Privatsphäre von Patienten und deswegen ihre sensiblen Patientendaten „by design“ schützen und trotzdem Big Data erlauben. Die COVID19-Pandemie hat eindrucksvoll gezeigt, dass auf der einen Seite der Zugang zu großen Datenmengen essentiell ist, aber gleichzeitig die Privatsphäre von Individuen schützen. Dafür entwickeln wir förderierte Methoden des maschinellen Lernen, welche sensible Patientendaten in den einzelnen Krankenhäuser belassen, aber dennoch starke KIs ausbilden können.

Innerhalb des InterACt-Netzwerks werden wir moderne systembiologische Datenanalyse-Werkzeuge, die in den letzten Jahren erfolgreich zur Untersuchung von Krebs und anderen komplexen Erkrankungen eingesetzt wurden (z.B. Casasa AI et al. PNAS 2019), erweitern um Infektionskrankheiten wie beispielsweise COVID-19 (e.g. Sadegh S et al. Nature Communications 2020, Galindez G et al. Nature Comp Sci 2021) systembiologisch und mechanistisch zu untersuchen. Außerdem werden wir gemeinsam mit Prof. Matthias Rarey, Prof. Kay Grünewald und Prof. Maya Topf die Brücke schlagen zwischen molekularen Strukturen und molekularen Wirknetzen um zu verstehen wie kleine molekulare Veränderungen einen System-weiten Effekt bis hin zur Ausbildung von Krankheiten haben können (z.B. Louadi Z et al. Nucleic Acids Res 2020, Rauch A et al. Nature Genetics 2019).