HEALTH.AI

Lehrstuhl Data Driven Drug Design

Am Lehrstuhl für ‚Data Driven Drug Design‘ entwickeln wir Methoden an der Schnittstelle zwischen struktureller Bioinformatik und Chemieinformatik im Bereich der computergestützten Arzneimittelforschung und der Risikobewertung neuer Moleküle mit Schwerpunkt auf maschinellem Lernen.

Einerseits erforschen wir strukturbasierte Methoden wie Bindungsstellenvergleiche, Pharmakophoraufklärung und Off-Target Vorhersagen. Andererseits studieren wir ligandbasierte Ansätze, darunter maschinelles Lernen (KI) für Aktivitäts- und Toxizitätsvorhersagen. Unser Ziel ist es, neben der Revolutionierung der Arzneimittelentwicklung, alternative in silico Methoden zur Risikobewertung von Verbindungen zu etablieren (3R).

Unser Fokus liegt neben der Krebsforschung (Kinasen) jüngst auch in der Entwicklung von Antiinfektiva. Die kontinuierliche Integration von struktur- und ligandenzentrierten Projekten ist unser Kerngebiet, wobei wir uns auf neuro-explicit KI-Modelle für die rationale Arzneimittelentdeckung konzentrieren.

Wir setzen uns für Open Science Initiativen ein, dies zeigt sich z.B. in unserer Zusammenarbeit mit Prof. John Chodera (MSKCC, NY) und der OpenKinome-Initiative, der COVID-Moonshot Initiative, und vor allem in unseren interaktiven Lehrmaterialen, wie. TeachOpenCADD und Dr. med KI.

Auf dem Campus arbeiten wir gemeinsam an der Weiterentwicklung neuro-expliziter KI-Modelle im Rahmen von NextAID.

https://volkamerlab.org/