Fraunhofer-Institut für Algorithmen und Wissenschaftliches Rechnen SCAIErkenntnisse und Daten aus wissenschaftlicher Literatur für Computer nutzbar machen
Die Gruppe Applied Semantics arbeitet auf folgenden Gebieten:
- Making Data FAIR (Findable, Accessible, Interoperable and Reusable)
- Shared Semantics
- Knowledge Discovery
- Wissensgraphen, die Ursache-Wirkungs-Mechanismen darstellen
Das Big-Data-Paradigma ist für den biomedizinischen Bereich mit seiner ständig wachsenden Zahl wissenschaftlicher Publikationen – und Omics-Daten – von großer Bedeutung. Es ist jedoch oft eine Herausforderung, relevante wissenschaftliche Erkenntnisse aus unstrukturierten Texten zu erfassen und zu organisieren. Außerdem treten häufig Probleme mit mangelnder Wiederverwendbarkeit oder geringer Qualität von Daten auf.
Die Gruppe Angewandte Semantik macht sowohl Daten als auch Wissen durch Datenkuration, Standardisierung und Datenmanagement für die Datenverarbeitung und -analyse nutzbar. Unsere Gruppe verfügt über Fachkenntnisse im Bereich der Shared Semantics, die die Grundlage für die Interoperabilität von Daten und Wissen bilden. Wir können semantische Interoperabilität erreichen, indem wir biologische Einheiten in Beziehung zu Standardterminologien oder Ontologien setzen. Ontologien und Terminologien dienen auch als Grundlage für semantisch basierte Knowledge-Discovery-Systeme.
Ein weiterer Schwerpunkt der Gruppe liegt auf Wissensgraphen, die Ursache-Wirkungs-Mechanismen darstellen, welche aus wissenschaftlichen Publikationen extrahiert werden. Wissensgraphen sind multimodal, krankheitsspezifisch und umfassen biologische Entitäten, die von der genetischen Ebene bis zur phänotypischen Ebene reichen, sowie verschiedene Beziehungen zwischen ihnen. Unsere aktuellen Wissensgraphen umfassen neurodegenerative, psychiatrische und metabolische Störungen.
Modelle, die Daten und Wissen integrieren, bilden die Grundlage unserer Ansätze zur Präzisionsmedizin. Hiermit können wir Daten auf Patientenebene analysieren, wenn man den Stand des Wissens über die Krankheitsmechanismen berücksichtigt. Einige der wichtigsten Anwendungen, die sich aus der Kombination von Wissensgraphen und Daten ergeben, sind die Einteilung von Patienten in Subgruppen, die Identifizierung von Komorbiditäten auf der Grundlage von Mechanismen, die personalisierte Medizin und die Verwendung vorhandener Medikamente für andere Erkrankungen.