Aktionen

WCG Forschungsergebnisse

Aus SETI.Germany Wiki

Hier findet ihr Informationen und Links zu Beiträgen und Videos betreffend World Community Grid Forschungsergebnisse.

Informationsquellen über WCG-Forschungsergebnisse

Das World Community Grid und die kooperierenden Forschungsinstitute informieren regelmäßig über die Fortschritte laufender und auf dem Grid abgeschlossene Projekte. Wegen der Komplexität der Projekte liegen konkrete Forschungsergebnisse teilweise erst mehrere Jahre nach Abschluss der Berechnungen vor. Zudem werden einige Projekte in mehreren Phasen berechnet (HPF, HCMD, DDDT, CEP, IADS). Bei diesen Projekten kann erst nach Abschluss aller Projektphasen mit greifbaren Ergebnissen gerechnet werden.

Das World Community Grid hält auf seiner Webseite für alle abgeschlossenen und laufenden WCG-Projekte Informationen bereit. Auf diesen Seiten finden sich auch Links zu den Projektseiten der Forschungsinstitute. Auf folgenden Seiten (engl.) finden sich weitere Informationen:


Aktive und unterbrochene Projekte und Projektphasen


Beendete Projekte und Projektphasen


Forschungsergebnisse der Projekte des WCG (Auswahl)

Fight AIDS at Home (FAAH)

Es sind zwei Verbindungen gefunden worden, die auf die Protease des HI-Virus einwirken. Protease ist ein Enzym, welches für den Lebenszyklus des Virus und damit für seine Vermehrung entscheidend ist. Die jetzt entdeckten Verbindungen erlauben die Entwicklung einer völlig neuen Medikamentenklasse. Insbesondere sollen wirkungsvolle Medikamente gegen bereits resistente HIV-Stämme entwickelt werden.

Außerdem bestätigen die Ergebnisse die aus rechnergestützter Simulation (also durch unsere Hilfe) gewonnenen Hypothesen zur Beschaffenheit der Oberfläche der HIV-Protease und ihrer Eigenschaft, Wirkstoffe an sich binden zu können (das nennt man „Docking“).

Diese Forschungsergebnisse wurden als Titelstory des Fachmagazins „Chemical Biology & Drug Design“ veröffentlicht. Die beachtlichen Forschungsergebnisse konnten nur durch den Einsatz der massiven Rechenleistung des World Community Grid erzielt werden.


HI Virus WCG.png Bild: Modell eines HI-Virus (Quelle: WCG-Video)


Pressemitteilung vom 02.03.2010

  • Pressemitteilung von IBM zu den jüngsten Forschungsergebnissen:

http://www-03.ibm.com/press/us/en/pressrelease/29568.wss

  • Video auf Youtube mit deutschen Untertiteln:

http://www.youtube.com/watch?v=WYQrOH86y1c


Help Fight Childhood Cancer (HFCC)

Aus einer Menge von über 3 Millionen potenziellen Wirkstoffen wurden durch die Berechnungen des World Community Grids 50 Wirkstoffe herausgefiltert, die das Potenzial zur Blockade von Proteinen haben, die im Zusammenhang mit der Entstehung von Neuroblastomen stehen. Diese 50 potenziellen Wirkstoffe werden nun im Labor auf ihre Wirksamkeit mit echtem Gewebe überprüft.

Erst die Rechenleistung des World Community Grid hat diese durch virtuelle Simulationen berechnete Auswahl von nur 50 potenziellen Wirkstoffen ermöglicht und somit den Weg von der Grundlagenlagenforschung zur Überprüfung medikamentenähnlicher Wirkstoffe im Labor auf einen Bruchteil der Zeit bei Nutzung klassischer Forschungsmethoden reduziert.

Das Projekt ist auf dem World Community Grid noch nicht beendet und die Forscher der Chiba-Universität haben die Labortests noch nicht abgeschlossen. Deshalb sind weitere konkrete Ergebnisse aus HFCC im Kampf gegen Neuroblastome zu erwarten.


Help Conquer Cancer (HCC)

Auch in diesem Projekt wurden bereits beachtliche Zwischenergebnisse erzielt.

Das Ontario Cancer Institute hat eine Methode zur Bildanalyse und Klassifizierung entwickelt, um automatisch Bilder von Proteinkristallisationen auszuwerten. Die entsprechenden Proteine spielen bei Entstehung und Wachstum von Krebs eine Rolle. Im Projekt HCC werden 12.375 Eigenschaften von Bildern berechnet, die unterschiedliche Gewebemuster unter Öl zeigen. Hier ein Beispiel einer Belichtungsserie mit sichtbarer Kristallisation (Quelle: Ontario Cancer Institute, 2010):

Hcc samples1.png

Durch die von HCC ausgewerteten Bilder und einer Referenzauswahl von 165.351 per Hand ausgewerteten Bildern wird das automatische Analysesystem ‚trainiert‘. Hierzu werden zwei unterschiedliche mehrstufige Prozesse verwendet, deren Ergebnisse korreliert werden. Es handelt sich um das ‚Random Forest‘-Klassifizieruzngsmodell und ein zusätzliches 10-stufiges Modell. Beide Modelle arbeiten mit unterschiedlich definierten Entscheidungsbäumen. Gemeinsam ist den Klassifizierungsmodellen, dass die erste Stufe die kreisrunden Bilder mit einer Auflösung von 320 Pixeln im Durchmesser klassifiziert, während die relevanten Bildteile in den folgenden Stufen mit einem Durchmesser von 200 Pixeln analysiert werden. Schon heute erkennt das System

  • 80% der Bilder mit Kristallen richtig sowie
  • 89% der Bilder mit Unreinheiten und
  • 98% der Bilder ohne Kristallisation.

Die verbleibenden Prozentzahlen sind (noch) falsch positive oder falsch negative Auswertungen. Die folgende Abbildung zeigt anschaulich die Übereinstimmung der ‚Rain Forest‘-Klassifizierung (RF) mit der tatsächlichen Eigenschaft in den roten Bereichen. Die kleinen schwarzen Bereiche zeigen Abweichungen der tatsächlichen Eigenschaft von der RF-Klassifizierung (Quelle: Protein crystallization analysis on the World Community Grid, Christian A. Cumbaa und Igor Jurisica, 2010).

Hcc classification.png

Im weiteren Projektverlauf sollen die Klassifizierungssysteme noch weiter ‚trainiert‘ werden, um die Trefferquote nochmals signifikant zu erhöhen. Mit den jetzt schon vorliegenden Ergebnissen kann das Projekt HCC bereits als Erfolg gewertet werden.


Pressemitteilung und Video zu den Ergebnissen bei HCC

  • Pressemitteilung von IBM vom 15.06.2010:

http://www-03.ibm.com/press/us/en/pressrelease/31902.wss

  • Video:

Surplus PC Power Yields Faster Cancer Research (engl.) (youtube.com)


Help Defeat Cancer (HDC)

Das Projekt wurde am 03. April 2007 auf dem World Community Grid abgeschlossen.

Mit ‚Help Defeat Cancer‘ sollte eine innovative Methode der Tumordiagnistik entwickelt werden. Als Projektergebnis wurde die Realisierbarkeit der Klassifierung von Krebsarten anhand von Bildern des Tumorgewebes bewiesen. Das untersuchte Verfahren zur Charakterisierung von Proteinketten anhand von Abbildungen der Gewebemuster konnte zuverlässig verschiedene Krebsarten und Erkrankungsstadien erkennen. Darüber hinaus wurde bewiesen, dass die Bilder von Tumorgewebe nicht einheitlich skaliert oder belichtet sein müssen, um eine Diagnose zu ermöglichen. Auf diese Weise können Bilder auf Zell-, Gewebe- und Tumorebene gleichermaßen ausgewertet werden. Das folgende Bild zeigt einige Beispiele von Gewebemustern unterschiedlicher Skalierung und Belichtung.

HDC Samples.png

Diese beeindruckenden Ergebnisse dienten als Grundlage zur Bewilligung eines weiteres Forschungsbudgets durch das Nationale Gesundheitsinstutut der USA. Ziel der Folgestudie ist der Aufbau eines medizinischen Entscheidungsunterstützungssystems zur Tumordiagnostik, welches Grid-basiert vermetzt und zu einem klinisch genutzten System ausgebaut werden soll.


Genome Comparison

Das Projekt wurde zwischen dem 17.11.2006 und dem 21.07.2007 auf dem World Community Grid durchgeführt. Ergebnis des Projektes ist eine der umfangreichsten Proteindatenbanken der Welt, der ‚Protein World Database‘.

ProteinWorldDB.png

Diese Datenbank kann von Forschern weltweit genutzt werden und ist gemeinfrei unter folgendem Link verfügbar: http://www.ProteinWorldDB.org. Die Suchfunktionen der Datenbank umfassen die Abfragen nach Proteindomänen, Annotationen, Identifiern und ontologischen Begriffe.

Single Sign On provided by vBSSO