CMMS - Center for Multiscale Modelling in Life Sciences

CMMS ist das Frankfurter Zentrum der Mehrskalen-Modellierung, Analyse und Simulation biologischer Prozesse.

Das langfristige Ziel von CMMS ist ein umfassendes Verständnis sowohl von einfachen molekularen biologischen Prozessen, wie der Wirkungsweise eines Enzyms, bis hin zu dem komplexen Verhalten von Organismen.

Logo_small

Ein solches Verständnis ist die Basis für die Anpassung von Zellfunktionen zur biotechnologischen Nutzung sowie für die Erarbeitung biomedizinischer, pharmakologischer und landwirtschaftlicher Anwendungen. Fortschritte in der Entwicklung hochauflösender Methoden zur atomistischen Beschreibung von Molekülen, Zellen und Zellsystemen durch neue Ansätze der cryo-EM und der Lichtmikroskopie ermöglichen Einblicke in molekulare Mechanismen und Prozesse. Durch die Integration dieser Informationen in Modelle und Simulationen werden grundlegende Mechanismen und Kausalitäten identifiziert. Dazu werden neue technische, algorithmische und informatische Lösungen zur Überwindung der Skalengebundenheit und der Vorhersage fehlender Informationen in experimentellen Datensätzen notwendig. 

Die Zusammenführung theoretischer Kompetenzen und deren Verzahnung mit Daten diverser, auf mehreren Skalen unabhängig durchgeführter Experimente sind zwingend erforderlich, um neue Konzepte zur Beschreibung biologischer Systeme und zur Entschlüsselung von Krankheitsursachen zu entwickeln. 

Kontakt

Prof. Dr. Volker Lindenstruth
Tel.: +49 69 798 44101
E-Mail: voli_at_compeng.de

Prof. Dr. Enrico Schleiff
Tel: +49 69 798 29287
E-Mail: schleiff_at_bio.uni-frankfurt.de

Prof. Dr. Franziska Matthäus
Tel: +49 69 798 47509
E-Mail: matthaeus_at_fias.uni-frankfurt.de

Prof. Dr. Gerhard Hummer 
Tel: +49 69 6303 2500
E-Mail: gerhard.hummer_at_biophys.mpg.de

Zukunft

CMMS ist ein LOEWE Schwerpunkt der vom FIAS zusammen mit Partnern der Goethe-Universität Frankfurt, Max-Plank-Institut für Hirnforschung und Max-Plank-Institut für Biophysik (beide Frankfurt) beantragt wurde. In dieser Funktion wird es die vielfältigen Aktivitäten im Bereich der Multiskalen-Modellierung bündeln und entscheidend vorantreiben.

Partner

Wissenschaft

Die Forschung bei CMMS ist in drei Säulen aufgebaut, jede ist hier im einzelnen näher beschrieben.

Säule 1 – Entwicklung integrierter theoretischer und experimenteller Ansätze

Eine derzeitige Herausforderung ist die gleichwertige Verzahnung von Theorie und Experiment zur gemeinsamen Formulierung von Ansätzen zur Beschreibung biologischer Prozesse. Eine Schwierigkeit ist bisher, Experimentatoren davon zu überzeugen, dass die verschiedenen Ebenen der Hypothesengewinnung gleichwertig sind und sich ergänzen. Deshalb werden in CMMS Experimente von Experimentatoren und Theoretikern gemeinsam geplant, so dass i) eine ausreichend große Zahl unterschiedlicher verwertbarer Daten in Modellierung und Simulation einfließen, ii) Modellvorhersagen experimentell überprüft und iii) theoretische Methoden und experimentelle Ansätze optimiert werden. Dieser zirkuläre Ansatz führt zu in Modellen verwertbaren Daten, theoretischen Beschreibungen und Algorithmen, neuen Vorhersagen und neuen Informationen als Grundlage weiterer Optimierungsschritte. Die effiziente Verwendung, Weiter- und Neuentwicklung von Datenanalysemethoden (z.B. in der Bildverarbeitung, Omics-Analyse, Dimensionsreduktion, Fitting, Korrelationsanalysen, Statistiken, Maschinenlernen) erfolgt notwendigerweise. Auch werden durch die gemeinsame Planung relevante biologische und medizinische Experimente als Modelle verwandt.

Säule 2 – Mehrskalen-Modellierung und Analyse

In der Mehrskalen-Analyse werden Daten, die aus unabhängig durchgeführten Experimenten, die u.U. mit unterschiedlichen Kontrasten und in mehreren räumlich-zeitlichen Größenordnungen ablaufen, zusammengefügt. Während die Datenanalyse die einzelnen Ebenen miteinander verbindet, müssen Modellierung und Simulation zu Hypothesen führen, die in der Skala eines spezifischen Experimentes durchgeführt werden können. Beispiele sind die Nutzung atomarer Koordinaten mit einer Coarse Grain Methode zur Simulation der Dynamik von Biomolekülen in großen Komplexen und Membranen, oder die Einbeziehung von Daten aus der Bildanalyse hochauflösender mikroskopischer Verfahren in mathematische Modelle zur Beschreibung der Dynamik und Struktur dieser Systeme. Ein grundlegendes Problem ist, dass man anfänglich nicht weiß, welche Genauigkeit der Daten erforderlich ist. Die Entwicklung von Mehrskalen-Analyse-, Modellierungs- und Simulationsmethoden wird kontinuierlich vorangetrieben.

Mehrskalenansätze basieren auf einer Kombination von Methoden, z.B. der numerischen Lösung partieller Differentialgleichungen in komplexen Gebieten oder der Kopplung agentenbasierter Modelle zur Beschreibung von Funktion, Struktur oder Dynamik eines Objekts mit Netzwerken oder Systemen von Differentialgleichungen zur Beschreibung interner Regulationsmechanismen. Die durch Kopplung verschiedener Ansätze entstandenen Modelle sind numerisch anspruchsvoll und häufig existieren noch keine Untersuchungen zur Stabilität und Genauigkeit solcher gekoppelten numerischen Verfahren und über deren Implementierung auf Hochleistungsrechnern. Fortschritte in diesem Gebiet erfordern tiefgehende mathematische Analysen der Modelle und Verfahren, sowie die Entwicklung effizienter Implementierungsstrategien und die optimale Wahl der Rechnerarchitektur. Des Weiteren müssen existierende Methoden zur Mehrskalenintegration weiterentwickelt und durch konkrete Anwendung in Säule 1 zur Modellierung und Simulation von spezifischen Systemen getestet und verbessert werden.

Säule 3 – High performance computing

Eine Vorlage für integrierte Datenstränge vom Mikroskop bis zum Computer(modell) wird entwickelt, bei dem hochauflösende Mikroskope mit Hochleistungsrechnern vernetzt werden. Die Daten und Metadaten verschiedener Licht- und Elektronenmikroskope werden in standardisiertem Format auf den Massenspeichern der HPC abgelegt, wodurch ein effizienter Zugriff ermöglicht wird. Neuronale Netzwerke werden langfristig auf jeder Ebene involviert.

Datensicherheit wird besonders bezüglich möglicher medizinischer Daten gewährleistet. Datenbanken für den effizienten und standardisierten Zugriff auf diese Daten werden entwickelt. Die erste Stufe des Datenpfades ist die automatische Mustererkennung und Selektion irrelevanter Bereiche zur physikalischen Datenreduktion. In weiteren Stufen, wie der Segmentierung, fließen Erfahrungen aus der Teilchenphysik ein.

Ein weiterer Aspekt ist die Visualisierung komplexer Daten. Hierzu sollen standardisierte Werkzeuge entwickelt und in eine Analyseplattform integriert werden, die verschiedene Formate effizient darstellen. Eine generische Simulations- und Analyseplattform soll den Datenimport und -export mit entsprechenden Konvertierungsroutinen integrieren, sowie Datenanalyse und Modellierung, statistische Pakete, Visualisierung, und eine standardisierte Skriptsprache einbeziehen. Da skalenübergreifende Modelle sehr viel Rechenzeit benötigen, ist die Effizienz der Algorithmen von großer Bedeutung. Verschiedene Verfahren der Informatik werden hier verwendet, z.B. die Optimierung der Datenstrukturen, Vektorisierung, Generierung hoher Parallelität und der Einsatz von GPGPUs. Die verschiedenen Ansätze werden weiterentwickelt und in Bibliotheken zusammengefasst.

Die Projekte

P1   Frangakis / Wand
Maschinelles Lernen: "Generative statistische Modelle für die Bilddatenanalyse"

P2   Tchumatchenko / Meyer
"Aufbau, Analyse und Dimensionsreduktion für Netzwerke binärer Aktivität"

P3   Hummer / Lindenstruth
Molekulardynamik: "HLR-Ansätze zur Modellierung und Simulation zellulärer Strukturen"

P4   Schneider / Schleiff / Wand
Organellenbewegung: "Datenanalyse und Modellierung der Bewegung von Organellen"

P5   Flinner / Frangakis / Schleiff
Zelldifferenzierung: "Modellierung der Zellrestrukturierung multizellulärer Systeme"

P6   Matthäus / Tchumatchenko / Stelzer
Zellbewegung: "Modellierung der Zellbewegung in multizellulären Systemen"

P7   Kaschube / Laurent / Lindenstruth
Entwicklung von Gewebe: "Datenanalyse und Modellierung für Wachstum und Musterbildung in Sepien"

Beteiligte Wissenschaftler

Volker_Lindenstruth

Volker Lindenstruth

Wissenschaftlicher Koordinator
Professor für Hochleistungsrechnen, GU Frankfurt
Senior Fellow, Frankfurt Institute for Advanced Studies

Enrico Schleiff

Enrico Schleiff

Vorstandsvorsitzender des FIAS
Direktor des Buchmann Institutes für Molekulare Lebenswissenschaften
Professor für Molekulare Zellbiologie, GU Frankfurt
Senior Fellow, Vorstandsmitglied, Frankfurt Institute for Advanced Studies

Gerhard-Hummer

Gerhard Hummer

Direktor, Max-Planck-Institut für Biophysik
Senior Fellow, Frankfurt Institute for Advanced Studies

Franziska Matthäus

Franziska Matthäus

Giersch-Stiftungsprofessorin für Bioinformatik, GU Frankfurt
Fellow, Frankfurt Institute für Advanced Studies

flinner

Nadine Flinner

Nachwuchsgruppenleiterin, Frankfurt Institute für Advanced Studies

Achilleas Frangakis

Achilleas Frangakis

Professor für Biophysik, GU Frankfurt

Matthias-Kaschube

Matthias Kaschube

Professor für Computational Neuroscience / Computational Vision, GU Frankfurt
Fellow, Frankfurt Institute for Advanced Studies

gLaurent

Gilles Laurent

Direktor, Max-Planck-Institut für Hirnforschung

Ulrich Meyer

Ulrich Meyer

Professor für Algorithm Engineering, GU Frankfurt

gabySchneider

Gaby Schneider

Außerplanmäßige Professorin für Mathematik, GU Frankfurt

Ernst Stelzer

Ernst Stelzer

Professor für Physikalische Biologie, GU Frankfurt

Tatjana Tchumatchenko

Tatjana Tchumatchenko

Forschungsleiterin “Theorie der Neuronalen Dynamik”, Max-Planck-Institut für Hirnforschung

Michael Wand

Michael Wand

Professor für praktische Informatik und Visual Computing, JGU Mainz