Hepatitis zählt weltweit zu den tödlichsten Viruserkrankungen. Jedes Jahr gibt es mehr als zwei Millionen Neuinfektionen, und über 300 Millionen Menschen leben derzeit mit einer Hepatitis-Infektion. Eine Infektion mit dem Hepatitis-D-Virus (HDV) gilt als die schwerste Form der Virushepatitis. Sie löst starke Entzündungsreaktionen aus und verursacht erhebliche Leberschäden, die bis hin zu Leberkrebs führen können.
Dennoch ist bislang nur wenig darüber bekannt, wie HDV das Gleichgewicht der Wirtszellen stört. Da der Krankheitsverlauf maßgeblich durch die Reaktionen des Wirts bestimmt wird, ist ein tieferes Verständnis der Veränderungen zellulärer Signalwege durch das Virus entscheidend, um neue Ansatzpunkte für Prävention und Therapie zu identifizieren.
Der Biochemiker und Virologe Professor Eberhard Hildt arbeitet in der Forschungsgruppe Digital Global Public Health von Professor Lothar H. Wieler daran, mithilfe von maschinellem Lernen besser zu verstehen, wie das Virus Krankheiten verursacht und wie sich vielversprechende zukünftige Therapien entwickeln lassen. Wir haben mit ihm über seine Arbeit gesprochen.
Hasso-Plattner-Institut (HPI): Professor Hildt, was begeistert Sie besonders bei ihrer Arbeit an der Schnittstelle von Virologie und Informatik?
Prof. Eberhard Hildt: Dieser interdisziplinäre Ansatz eröffnet eine Vielzahl neuer Perspektiven. Mithilfe von KI gewinnen wir ein immer besseres Verständnis der Wechselwirkungen zwischen Virus und Wirt und wollen diese modellieren. Dafür benötigen wir zunächst experimentell gewonnene Daten aus dem Labor ("Wet Lab"), auf deren Grundlage wir KI-gestützte Modelle entwickeln. Diese Modelle werden anschließend experimentell überprüft und in wiederholten Zyklen optimiert.
So gewinnen wir deutlich schneller neue Erkenntnisse über den Infektionsverlauf, die Virusvermehrung und die virusbedingte Krankheitsentstehung. Gleichzeitig können wir Zielstrukturen für präventive oder therapeutische Interventionen identifizieren.
HPI: Wie setzen Sie maschinelles Lernen ein, um komplexe Veränderungen zellulärer Signalwege durch Hepatitisviren aufzudecken?
Prof. Hildt: Wir nutzen KI vor allem in zwei Bereichen.
Zum einen hilft sie uns, die komplexen Wechselwirkungen zwischen Virus und Wirt besser zu verstehen. Dabei versucht das Virus, die infizierte Zelle so umzuprogrammieren, dass sie für seine Vermehrung genutzt werden kann. Gleichzeitig setzt die Wirtszelle unterschiedlichste Strategien ein, um die Virusvermehrung zu hemmen und das Virus zu eliminieren. Häufig handelt es sich dabei um einen Anpassungsprozess, bei dem der Erreger den Abwehrmechanismen des Wirts entgeht. KI leistet hier einen entscheidenden Beitrag, diese Prozesse zu analysieren und zu modellieren – und schafft damit die Grundlage für neue präventive und therapeutische Ansätze.
Der zweite Bereich ist die Impfstoffentwicklung. Ein Impfstoff, der gegen eine Vielzahl hochpathogener Erreger schützt, wäre ein visionäres Ziel. Als ersten Schritt haben wir eine neue Plattformtechnologie entwickelt, die als flexibler Träger für unterschiedlichste Antigene dient. Auch hier hat KI geholfen, diese Technologie zu optimieren.
Aktuell nutzen wir KI, um synthetische "Designer-Antigene" zu entwickeln, die antigenwirksame Strukturen verschiedener Krankheitserreger kombinieren. Durch die Kopplung dieser Designer-Antigene an unsere Impfstoffplattform wollen wir eine breite schützende Immunantwort gegen unterschiedliche Erreger hervorrufen.
Auch hier ist das Zusammenspiel aus KI-gestütztem Design der synthetischen Polyantigene, der Modellierung der Immunantwort und der experimentellen Validierung im Labor entscheidend, um die Ergebnisse in aufeinanderfolgenden Entwicklungszyklen weiter zu verbessern.
HPI: Gab es bereits Erkenntnisse durch maschinelles Lernen, die mit klassischen experimentellen Methoden nicht möglich gewesen wären?
Prof. Hildt: Ja. Die Entwicklung der erwähnten neuartigen Impfstoffplattform sowie die strukturelle und funktionelle Gestaltung synthetischer Antigene wären ohne KI deutlich zeitaufwendiger – wenn nicht sogar unmöglich gewesen.
Dasselbe gilt für die Analyse und Integration verschiedener Omics-Datensätze. Dadurch können wir beispielsweise Zusammenhänge zwischen Signalwegen, der Aktivität von Genen und deren Einfluss auf den Stoffwechsel untersuchen und prädiktive Marker für den Verlauf einer chronischen Hepatitis-B-Infektion identifizieren. Zu diesem Thema haben wir gerade eine wissenschaftliche Publikation veröffentlicht.
Ein weiteres Beispiel ist die KI-gestützte Analyse und Modellierung von Signalwegen, die durch HDV fehlreguliert werden. Sie ist eine wesentliche Voraussetzung, um den Lebenszyklus des Virus besser zu verstehen und Angriffspunkte für antivirale Strategien gegen HDV zu identifizieren.
Besonders stolz macht es mich, dass mein Team bereits wenige Monate nach unserem Start hier die erste wissenschaftliche Veröffentlichung zur informatikgestützten Analyse von Kinaseaktivitäten vorlegen konnte. Das zeigt, dass wir in einem Umfeld arbeiten, das unsere Forschung enorm bereichert.
HPI: Welches Potenzial sehen Sie künftig für maschinelles Lernen bei der Entwicklung neuer Therapien gegen Hepatitis D?
Prof. Hildt: Dabei müssen wir unseren Blick nicht ausschließlich auf HDV richten. Wenn wir therapeutisch in Prozesse innerhalb einer Zelle eingreifen, sind Nebenwirkungen grundsätzlich ein Thema.
Man kann sich die Hemmung eines Signalwegs ungefähr wie einen Bach vorstellen, der etwas flussabwärts ein Wasserrad antreibt. Kurzfristig können wir den Bach aufstauen und das Wasserrad stoppen. Mit der Zeit sucht sich das Wasser jedoch neue Wege und fließt am Damm vorbei.
Dieses Beispiel ist vergleichsweise einfach. In der Zelle bilden die zahlreichen miteinander vernetzten Signalwege jedoch ein äußerst komplexes Netzwerk. Mithilfe von KI wollen wir dieses Netzwerk charakterisieren und herausfinden, an welchen Stellen wir gezielt und moderat eingreifen können, um eine nachhaltige Wirkung zu erzielen, ohne unerwünschte Nebenwirkungen auszulösen.
In der Analogie bedeutet das: An welchen Stellen können wir den Wasserfluss so weit reduzieren, dass das Wasserrad nicht mehr angetrieben wird – ohne den Bach vollständig zu blockieren?
Experimentelle Studien und gegebenenfalls klinische Studien werden dadurch auf absehbare Zeit nicht überflüssig. KI kann den Entwicklungsprozess jedoch deutlich effizienter machen, weil sie es ermöglicht, ungeeignete Ansätze bereits anhand von Modellierungen auszuschließen. Das reduziert Nebenwirkungen, verkürzt Entwicklungszeiten erheblich und senkt die Kosten, da weniger erfolglose Ansätze verfolgt werden müssen.
HPI: Glauben Sie, dass Hepatitis mithilfe dieser neuen Methoden eines Tages ausgerottet werden kann?
Prof. Hildt: Wir sprechen von verschiedenen Viren, die Hepatitis verursachen können. Gegen das Hepatitis-B-Virus verfügen wir seit mehr als 40 Jahren über hochwirksame und sichere Impfstoffe. Dennoch leiden weltweit noch immer rund 250 Millionen Menschen an den Folgen einer chronischen HBV-Infektion.
Für andere Hepatitisviren, etwa HCV, gibt es bislang keinen zugelassenen Impfstoff, dafür jedoch hochwirksame Medikamente. Trotzdem sind wir auch hier noch weit von einer Eliminierung entfernt.
Dennoch bin ich überzeugt, dass wir mithilfe von KI wirksame Impfstoffe und Therapien gegen die wichtigsten Hepatitisviren entwickeln können. Das Beispiel HBV zeigt jedoch, dass die Entwicklung eines hochwirksamen Impfstoffs allein nicht ausreicht. Es braucht globale Anstrengungen, um sicherzustellen, dass Impfstoffe und antivirale Therapien überall dort verfügbar sind und akzeptiert werden, wo sie benötigt werden.
Das ist eine globale und interdisziplinäre Herausforderung. Aber auch hier bin ich überzeugt, dass KI einen wichtigen Beitrag leisten kann – zum Beispiel nicht nur bei der Entwicklung antiviraler Strategien, sondern auch bei der Verbesserung medizinischer Infrastrukturen, um den Zugang zu Versorgung und Behandlung sicherzustellen.
