Gene, Proteine, Leben: Wie Cloud Computing unser Leben verändern wird

Transkript

1 Gene, Proteine, Leben: Wie Cloud Computing unser Leben verändern wird Dr. Michael R. Alvers, CEO Transinsight Transinsight Slide 1

2 Prolog Transinsight Slide 2

3 Die Nature ist komplex Transinsight Slide 3

4 Metamorphose - Gleiche Gene! Raupe Falter Transinsight Slide 4

5 Der Biss in den Apfel ist anders Transinsight Slide 5

6 Der Biss in den Apfel ist anders Transinsight Slide 6

7 Leben ist ein hoch komplexes Netzwerk Genen Proteine Phänotyp Transinsight Slide 7

8 Molekulare Veränderungen beobachten Gene Proteine Phänotyp Transinsight Slide 8

9 Snapshot Gene Proteine Phänotyp Transinsight Slide 9

10 Das Netzwerk ist (praktisch) nicht bekannt Gene Proteine Phänotyp Transinsight Slide 10

11 Mash-Up zwischen Experiment und Literature wird gebraucht P53 MDM2 Transinsight Slide 11

12 3.000 neue Publikationen Annual Death JEDEN TAG! Transinsight Slide 12

13 Jährliche Todesraten in den U.S.A. :-(1999) Transinsight Slide 13

14 Ein Jumbo Jet Crash Jeden Tag! Transinsight Slide 14

15 Das Problem Transinsight Slide 15

16 New drugs per year Problem Medikamentenentwicklung Exponentiell steigende Kosten für Forschung Stagnierende Zahl neuer Medikamente Hoffnung: Hochdurchsatzverfahren Problem: Große Datenmengen 80 New Drugs 70 R&D spendings Problem für kleine Unternehmen: Begrenzte Rechenleistung Year Mögliche Lösung: Cloud Computing Problem: Geschäftskritische Daten und Datenschutz Transinsight Slide 16

17 Transinsight Slide 17

18 Goal: Vorhersage von Nebenwirkungen mittels semantischer Literaturanalyse in der Wolke. Transinsight Slide 18

19 Transinsight: Semantische Algorithmen in der Wolke make it fit for the cloud! Transinsight Slide 19

20 Die Herausforderung Transinsight Slide 20

21 Werden Pharmas Ihre Daten in die Wolke geben? Trusted Environment Transinsight Slide 21

22 Die Idee Transinsight Slide 22

23 GeneCloud überwindet Barriere Große Datenmengen 1. Daten hoher Rechenaufwand Resultate 6. KMU Anwender Steganographie 2. n a D te Steganographie es lrta te 5. Kryptographie Sicherer Kryptographie Transport Cloud 3. hoher Rechenaufwand a x Transinsight Slide 23

24 GeneCloud bietet Sicherheit Kryptographie = Daten verschlüsseln Problem: Bei Programmausführung sind Daten in der Cloud sichtbar Steganographie = Daten verstecken Idee: Daten sind sichtbar, aber versteckt... Transinsight Slide 24

25 GeneCloud Ziele Entwicklung von Wirkstoff-Screening-Algorithmen für Cloud Computing Steganographie und Kryptographie für skalierbaren Datenschutz in der Cloud Etablierung einer Community Cloud für Softwareanwendungen für die Medikamentenentwicklung Software-als-Service (SaaS) für KMUs Experimentelle Validierung der Resultate mit industriellen Anwendern Transinsight Slide 25

26 Der Markt Transinsight Slide 26

27 Market & Barriere Markt: Pharmaforschung Mrd US$ [Frost2008] Davon 5,6% for IT [Razvi2001] Davon 10% Cloud Computing [Weber2010] GeneCloud Potential = 756 Mio US$ Barrier: Security of sensitive data! Transinsight Slide 27

28 Das Beispiel Transinsight Slide 28

29 Wirkstoff Recycling mit Bioinformatik Teach an old Drug new Tricks Geringere Entwicklungskosten Nebenwirkungen sind bekannt Möglicherweise anwendbar für seltene Krankheiten Bekanntes Beispiel: Viagra (sildenafil) Von der Herzkrankheit zur erektilen Dysfunktuion Neues Beispiel: eflornithine Vom Krebs zur Schlafkrankheit (trypanosomiasis) Transinsight Slide 29

30 Ein Molekül bedient viele Partner Transinsight Slide 30

31 Sehr heiß: Inhibition von Hsp27 Hsp27 blockiert Chemotherapie Wirkstoffe BVDU blockiert Hsp27 BVDU ist Herpesmedikament seit Jahren zugelassen Gibt es was besseres als BVDU? Docking Studie mit 291 small molecules Cluster (rund 1000 Stunden = 40 Tage) 29 Kandidaten vorhergesagt Transinsight Slide 31

32 Experimentelle Validierung von Kandidaten 3 von 29 sind getestet 3 sind besser als BVDU! (eine Substanz ist toxisch) Nächste Schritte: Größerer Datensatz (>500) Rund 2000 Stunden = 80 days Transinsight Slide 32

33 Weiter Ausweitung des Datensatzes alignments CPU-hours days 3.5 years Transinsight Slide 33

34 Es geht noch weiter Biomarker Vorhersage für einen Datensatz CPU-hours (~2.3 Jahre) Alle 25 Datensätze CPU-Stunden (~ 86 Jahre) Transinsight Slide 34

35 Bad News Transinsight Slide 35

36 The bad news are Matrix-Vector multiplication Square matrix of size x Encryption using Boneh-Goh-Nissim with key size of 3072 bit Unencrypted Blinding Homomorphic Encryption Storage (increase) 1.8 GB 1.8 GB 173 GB (100 fold) Performance 5.3 s 10.3 s 41.1 h Disclosure Full Distribution Nothing Client tasks None Blinding O(n 2 ) Encryption O(n 2 ) Factor of total performance decrease approx fold slower Transinsight Slide 36

37 Good News ;-) Transinsight Slide 37

38 Off-Target Prediction: Viagra kann auch Ihre Augen heilen! Phosphodiesterase (target of Viagra) Carbonic anhydrase (target in Glaucoma) Transinsight Slide 38

39 Am Ende Transinsight Slide 39

40 Gene, Proteine, Leben: Wie wird Cloud Computing unser Leben verändern? Medikamente werden schneller entwickelt werden können. Medikamente werden besser werden. Personalisierung wird einfacher. Entwicklungskosten werden gesenkt. Transinsight Slide 40

41 In eigener Sache Transinsight Slide 41

42 12 Times Outstanding Winner BioCreative, 2007 Winner Leuchtturmprojekt des HTGF, Minister of Economic Afairs, Glos, 2006 reddot in communication design: best of the best German Industry Price 2010 Top 5 Winner of European BioTech companies Winner Output Award Transinsight Slide 42 Winner futuresax Venture Forum, 2007

43 Ausgewählte Kunden Transinsight Slide 43

44 Epilog Transinsight Slide 44

45 Deutschland ist gut! 23 Mio biomedical publications (MEDLINE) Transinsight Slide 45

46 Deutschland ist sehr gut! 0.47 Mio biomedical publications high impact journals Transinsight Slide 46

47 Erleben Sie uns Life... Hall 9 TrustedCloud Transinsight Slide 47

48 Danke! Danke!