De fleste forventer nok, at lykkedes det nogensinde at knække koden mod cancer, står der en kemiker, en læge eller en anden person i nogenlunde samme boldgade, bag. Og vedkommende kan i øvrigt godt begynde at skrive takketalen til en Nobel-pris.
Men måske bliver det en computerspecialist, der løber med den hæder. Faktisk har Morten Nielsen, der er professor på DTU, store forhåbninger til at kunne knække koden til kræft, og det sker ikke i et laboratorium, men bag en computerskærm.
Vi mangler stadig data nok til, at computermodeller kan give os den fuldstændige biologiske forståelse til at udvikle vacciner mod f.eks. cancer. Men de kommer. Ved hjælp af data og algoritmer er vores modellering og forudsigelser nu mere præcis end laboratorieprøver. Hvis der er uoverensstemmelse, kan vi næsten med sikkerhed sige, at vores resultat er det rigtige – og der er fejl i prøven, siger Morten Nielsen.
Morten Nielsens gruppe laver matematiske modeller af immunsystemet for at forudsige, hvordan det vil reagere på en vaccine mod cancer eller coronavirus.
Nogle molekuler i immunsystemet er meget bestemmende for, hvordan immunsystemet reagerer, og de molekyler er allerede beskrevet med store mængder data.
Det der sker er, at et molekyle tager et fragment fra f.eks. SARS-genomet og viser det fragment frem til immunsystemet på overfladen af en inficeret celle, og hvis vi kan forudsige, hvilket fragment fra SARS-genomet, som bliver fremvist, så kan vi også begynde at forstå, hvordan immunsystemet vil kunne reagere på det, forklarer Morten Nielsen.
På etagen under Morten Nielsen kontor, sidder professor Signe Reker, som anvender de matematiske modeller og forudsigelser til at udvælge peptider, der kan genkendes af immunceller i cancerpatienten. Med det værktøj kan man så lave en vaccine, som bliver brugt i patienten – og i mange tilfælde kan kurere eller forlænge levetiden. Dette er allerede nu i klinisk brug.
Man giver en vaccine, som laver immunceller, der reagerer på de specifikke fragmenter, man har fundet – så vil immuncellerne dræbe canceren og ikke dræbe de normale celler, som f.eks. kemoterapi gør, forklarer Morten Nielsen.
Da forskergruppen startede projektet for 15 år siden, havde de kun 512 datapunkter at træne på. I dag har de 6 millioner, og Morten Nielsen forventer, at mængden af datapunkter vil være fordoblet om få år og at supercomputeren i sidste ende kan spare ressourcer.
I gamle dage skulle man måle alting i laboratoriet med pipetter og den slags for at få svar. F.eks. hvad er immunogent i SARS eller cornavirus, og der er altså ca. 10.000 peptidfragmenter i den virus. Dem kan man godt tage fra en ende af og så måle på dem og så være færdig om fem år, men så vil man opdage, at ud af de 10.000 er der måske kun 50, der rent faktisk er immunugene i en given version af virus. Hvis man kan nøjes med at måle på 100 af dem, og så finde de 50, så vil man meget hurtigere komme i mål og få lavet sin behandling. Det kan vi allerede nu med vores værktøjer.
Forskerne har fortsat en udfordring med at forstå interaktionsmønstre i biologien, altså hvorfor T-cellen ikke kan lide at binde til ét peptid, men godt det andet.
Det er en hel ny verden, vi først lige er begyndt at få data på. For uden data kan vi ingenting i det, jeg laver. Men når vi får data – og det gør vi over tid – så tror jeg naivt, at vi vil kunne løse det ved at træne vores modeller på store datasæt, som vi har gjort tidligere. Det bliver selvfølgelig mere komplekse modeller, som vil kræve større computer power, men der er ikke nogen hindringer ud over, at vi skal have mange data. Det gælder om hele tiden at presse citronen og se, hvor langt kan vi komme, og så kommer der et gennembrud, siger han.
Kilde: DTU
