Donnerstag, 18. November 2021
Die Beiträge sind teils in deutscher, teils in englischer Sprache, Übersetzungen ins Englische bzw. Deutsche werden angeboten.
Der Jülicher Vortragsabend wird online gestreamt.
Moderation: Johannes Döbbelt
Begrüßung
Prof. Dr.-Ing. Wolfgang Marquardt
Vorstandsvorsitzender des Forschungszentrums Jülich
Grußwort
MinDir Volker Rieke
Vorsitzender des Aufsichtsrats des Forschungszentrums Jülich
Bundesministerium für Bildung und Forschung
Jung. Forscht. Wirkt.
Sechs Jülicher Wissenschaftler:innen stellen ihre Forschung vor:
Ein Stich gegen den Stich: mit einem Biosensor gegen Malaria
Malaria, eine der ältesten bekannten Infektionskrankheiten weltweit, tritt in tropischen Regionen und Entwicklungsländern nach wie vor mit einer hohen statistischen Inzidenz auf. Erreger der Krankheit ist der Parasit Plasmodium (P), der durch den Stich der Anopheles-Mücke übertragen wird. Trotz der Bemühungen, Malaria zuverlässig zu diagnostizieren und zu therapieren, besteht die Herausforderung weiterhin darin, einen sensitiven, selektiven und differenzierten Nachweis der P-Parasiten zu erbringen. Derzeit auf dem Markt verfügbare Malaria-Schnelldiagnosetests können unter Umständen zu falsch-positiven Testergebnissen und Fehlbehandlungen führen.
Gabriela Figueroa Miranda und Viviana Rincón Montes haben einen kostengünstigen Malaria-Biosensor entwickelt, der einen differenzierten Aufschluss über die Infektion ermöglicht. Bei dem Biosensor handelt es sich um einen benutzerfreundlichen Diagnosetest. Dieser besteht aus einem Einweg-Chip-Sensor, auf den die Blutprobe getropft wird, sowie einem wiederverwendbaren tragbaren Lesegerät. Der neue Biosensor ermöglicht den selektiven und sensitiven Nachweis von Malaria und verrät im Falle einer Infektion, wie hoch die Menge des Erregers im Blut ist. Zudem kann festgestellt werden, welche der beiden häufigsten Erregerarten im Blut leben. Im Rahmen ihres Start-up-Projekts wird dieses System als Technologieplattform für die künftige Entwicklung von Biosensoren zum Nachweis und zur Unterscheidung neuer und wieder auftretender Krankheiten wie COVID-19 oder dem West-Nil-Fieber eingesetzt.
Klima- und Erdsystemdaten: mit Wetterballons sammeln, mit KI verstehen
Die diesjährigen extremen Wetterereignisse haben einmal mehr deutlich gemacht, wie wichtig es ist, unser Verständnis von Klima und Wetter zu verbessern. Der Schlüssel hierzu sind sorgfältige und detaillierte Beobachtungen. Die gewonnenen Datensätze müssen in digitaler Form gespeichert werden, bevor die anspruchsvolle Interpretation der Daten vorgenommen werden kann.
Solche Datensätze zu beschaffen, kann sehr schwierig, aber gleichzeitig hochinteressant sein: Johannes Laube sammelt Luftproben aus der ganzen Welt, um deren Gehalt an verschiedenen Spurengasen zu analysieren, die bei der globalen Erderwärmung eine Rolle spielen oder für die lebenswichtige Ozonschicht von Bedeutung sind. Eine besondere Herausforderung: Das Sammeln von Luftproben aus der Stratosphäre in circa 10 bis 50 Kilometer Höhe über dem Erdboden. Aktuelle Fortschritte im Bereich der ballongetragenen Sensoren eröffnen in diesem Zusammenhang neue Möglichkeiten. Der interdisziplinäre Ansatz von Scarlet Stadtler beinhaltet die Entwicklung von KI-Techniken zur Erkennung von Mustern in den Daten. Anschließend wendet sie die trainierten KI-Modelle auf unbekannte Räume an. So könnte künstliche Intelligenz dazu beitragen, Vorhersagen zum globalen Klima- und Wettersystem signifikant zu verbessern.
Die Organisation des Gehirns: mit Big Data und KI dem Altern und psychischen Erkrankungen auf der Spur
Das Verständnis des menschlichen Gehirns ist eine zentrale Herausforderung, wenn es darum geht, altersbedingte und psychische Erkrankungen besser verstehen zu können. Dank Fortschritten in der Datenerhebungstechnik, insbesondere im Bereich der Magnetresonanztomographie, können wir die Funktionsweise des Gehirns heutzutage nicht-invasiv und in vivo beobachten. Sarah Genon nutzt Daten von Scannern zur Neurobildgebung, psychologischen Tests und Befragungen zum Lebensstil, um zu untersuchen, wie das Gehirn organisiert ist und wie diese Organisation mit Verhaltensfunktionen und Verhaltensstörungen zusammenhängt.
Für diesen Zweck werden riesige Datensätze von Tausenden von Teilnehmenden aus verschiedenen Bevölkerungsgruppen weltweit gesammelt. Kaustubh Patil kombiniert diese Daten mit Methoden des maschinellen Lernens und moderner Recheninfrastruktur. So können die Wissenschaftler:innen Modelle erstellen, die das Verhalten oder den Krankheitszustand auf individueller Ebene vorhersagen können – ein wesentlicher Schritt in Richtung Präzisionsmedizin. Die Erkenntnisse, die solche Modelle liefern, helfen dabei, mehr über die Gehirnregionen und ihre Interaktionen zu erfahren, die für ein krankheitsbedingtes Verhalten oder eine Funktionsstörung verantwortlich sind.
Abschluss und Ausblick