Schneller, präziser und individuell abgestimmt – so soll die Medizin der Zukunft funktionieren. Eine zentrale Rolle spielen dabei Proteine: Sie liefern wichtige Informationen über Krankheitsprozesse und Therapieansätze. Um deren Zusammenspiel zu entschlüsseln, sind komplexe Datenanalysen erforderlich. Hier setzt MSAID an, ein Spin-off der Technischen Universität München (TUM), das eine KI-gestützte Software zur Analyse großer Proteinmengen entwickelt hat – auch bei komplexen biologischen Proben.
Die Gründungsidee entstand am Lehrstuhl für Proteomik und Bioanalytik von Prof. Bernhard Küster. Auf Basis eines Forschungsprojekts wurde dort ein Software-Prototyp entwickelt, der Proteine in einer Probe qualitativ und quantitativ erfasst. „Die Leistung unseres Software-Prototyps übertraf bereits bestehende Ansätze sowohl in der Qualität als auch der Quantität der identifizierten Proteine. Wir wollten diese Entwicklung deshalb unbedingt vorantreiben und sie Forschenden und Institutionen weltweit zugänglich machen“, erklärt Prof. Mathias Wilhelm, heute TUM-Professor für Computational Mass Spectrometry.
Gemeinsam mit Bernhard Küster und den Mitgründern Martin Frejno, Daniel Zolg, Siegfried Gessulat und Tobias Schmidt gründete Wilhelm 2019 MSAID. Die Gründer verbindet nicht nur ihre Expertise in der Proteinforschung, sondern auch ihre akademische Herkunft – alle haben an der TUM studiert, promoviert oder geforscht.
Seit 2022 vertreibt MSAID international eine patentierte Weiterentwicklung der ursprünglichen Software. Die Anwendung beruht auf Deep-Learning-Algorithmen, die Proteinmuster in Massenspektrometriedaten erkennen – vergleichbar mit molekularen „Fingerabdrücken“. COO Daniel Zolg erklärt: „Jedes Protein besteht aus verschiedenen Peptiden, die gewissermaßen jeweils einen spezifischen Fingerabdruck haben. Die in einer Probe enthaltenen Abdrücke können wir mit Hilfe eines Massenspektrometers sichtbar machen. Die Qualität dieser Abdrücke ist jedoch nicht immer gut, oft hat man nur einen Teilabdruck eines Peptids und teilweise überlagern diese einander sogar. Das erschwert die Identifikation, welches Messergebnis auf welches Peptid zurückzuführen ist. Es ist ein wenig so, als würde man Fingerabdrücke auf einer Türklinke analysieren wollen, die von vielen verschiedenen Menschen berührt wurde.“
Mit rein manueller Auswertung sind solche Datenmengen nicht mehr zu bewältigen – allein der Mensch besteht aus über 20.000 verschiedenen Proteinen. Die MSAID-Software gleicht die Messdaten mit einem KI-generierten Peptid-Register ab und kann sogar Muster überlagerter Peptide vorhersagen.
„Wir können mit unserem Ansatz Proteine in komplexen Proben wie Gewebe und Plasma substanziell besser identifizieren, ihre Mengen besser bestimmen und reduzieren manuelle Arbeitsschritte. Zudem können mit unserer Softwareanalysen, die sonst mehrere Wochen dauern, in wenigen Tagen durchgeführt werden”, sagt Martin Frejno, CEO von MSAID. „Das ermöglicht neue Wege in der frühen Diagnose von Krankheiten, in der personalisierten Medizin und in der Medikamentenentwicklung.“