CitizenPharma

Aus Rechenkraft
Zur Navigation springen Zur Suche springen

CitizenPharma - worum geht es?

CitizenPharma wird ein neues Rechenkraft.net BOINC-Projekt, das deutlich über reines Distributed/Volunteer Computing hinaus gehen will und zum Ziel haben soll, betroffenen Menschen sämtliche wesentlichen Tools und Kenntnisse an die Hand zu geben, Gesundheitsforschung und -versorgung im Rahmen der bestehenden Gesetze unabhängig von "BigPharma" realisieren zu können.

Zentrale Grundlage sämtlicher hier vorgestellter Projekte und Methoden werden quelloffene, nicht-proprietäre OpenSource- und OpenHardware-Ansätze sein.

Das übergeordnete Arbeitsprinzip ist sehr einfach und besteht stets darin, Zellkomponenten (Proteine, DNA, RNA, ...) zu identifizieren, die an einem Krankheitsentstehungsprozess beteiligt sind, um diese dann durch Therapeutika in ihrer Funktion zu beeinflussen - also zu blockieren oder zu aktivieren.

Der Identifikationsprozess wird in der Regel von Universitäten oder öffentlichen Forschungsinstituten im Rahmen von steuergeldfinanzierter Grundagenforschungsprojekten geleistet - in untergeordnetem Maße auch von Firmen. Während Universitäten und Forschungsinstitute ihre Ergebnisse sehr gerne möglichst zeitnah in Fachzeitschriften und/oder Online-Repositorien veröffentlichen, darf man bei Firmen davon ausgehen, dass die Ergebnisse unter Verschluß gehalten werden, bis (zumindest Teil-) Ergebnisse patentiert und damit zum alleinigen Nutzen der Firma reserviert werden können.

Für betroffene Laien, die in Eigenregie tätig werden möchten, besteht daher der erste Schritt darin, die öffentlich zugänglichen Ergebnisse von Grundlagenforschern zu sichten (Literaturdatenbanken), zu verstehen (Wikipedia als Einstieg) und sich den relevanten Anteil davon zu beschaffen (Universitätsbibliotheken, Fachzeitschriftenverlage).

Aus den veröffentlichten Ergebnissen der Grundlagenforschung ergibt sich dann das weitere Vorgehen: Zum Beispiel könnte sich ergeben, dass:

  • zur Heilung einer bestimmten Erkrankung ein Gendefekt zu beheben wäre (per Gentherapie).
  • die Blockierung der (Fehl-) Funktion eines bestimmten Proteins eine krankheitsverursachende Wirkung aufheben könnte. In einem solchen Fall würde man dann mit den unten stehenden computergestützten Werkzeugen probieren, Wirkstoffe zu finden, die (spezifisch) an das betreffende Protein binden und gleichzeitig keine schädlichen Nebenwirkungen im menschlichen Körper entfalten. Dazu müßte man natürlich zunächst die dreidimensionale Gestalt (Raumstruktur) dieses Proteins kennen - was man heutzutage ebenfalls bereits mit Hilfe von Computern und Spezialsoftware (z.B. AlphaFold, vgl. Chemie-Nobelpreis in 2024) in einer oft ausreichend guten Qualität bewerkstelligen kann (Proteinstrukturvorhersage).
  • bestimmte Antikörper körpereigene Strukturen angreifen (Autoimmunreaktion), sodass man nach einem Weg suchen würde, zunächst den auslösenden Antikörper und die angegriffene Struktur zu identifizieren, um diesen Prozess durch Abschaltung / Blockade / Entfernung des Antikörpers (oder seines Gens) zu unterbinden.
  • breit angelegte epidemiologische Untersuchungen nahe legen, dass ein bestimmtes Essverhalten bei einer größeren Zahl von Menschen gleichsam krankheitsfördernd wirkt. Man würde dann vielleicht probieren, betroffene Menschen in einer Betroffenengemeinschaft / Selbsthilfegruppe dafür zu gewinnen, ihr Erbgut zu sequenzieren, um eine ursächliche genetische Gemeinsamkeit als Ursache für das Problem zu identifizieren und passende Gegenmaßnahmen zu ergreifen.

Kurz: Bloß weil "BigPharma" für ein Gesundheitsproblem keinen ausreichend großen Markt sieht, bedeutet das noch lange nicht, dass man sich seinem Schicksal ergeben müßte.

Wir werden im Rahmen dieses Projekts probieren, Menschen alles an Wissen an die Hand zu geben, um die grundlegenden Abläufe zu verstehen und auf dieser Grundlage selbst und gemeinsam mit anderen aktiv zu werden.

Darüber hinaus wollen wir mit CitizenPharma kostenfreie, dezentrale, von Menschen in Eigenregie betriebene Computerinfrastrukturen etablieren, die unabhängig von fremdkontrollierten Webservern sämtliche relevanten Hochleistungsrechnungen und Prozesspipelines praxistauglich nutzbar öffentlich bereitstellen. Unser Vorgehensprinzip beruht dabei auf der Zerlegung komplexer Rechenprozesse in kleinere Teilaufgaben, die über BOINC an private Maschinen verteilt, dort abgearbeitet und schließlich auf unseren Projektservern wieder zum Gesamtergebnis zusammengeführt und öffentlich bereitgestellt werden. Jeder kann zu diesem CitizenComputing-Projekt beitragen und Teil dieses verteilten CitizenSupercomputers werden - mit dem eigenen Rechner, Tablet und/oder Smartphone, von zu Hause aus.

Jede App der CitizenPharma-Computerinfrastruktur soll nach außen als Webserver in Erscheinung treten und per Job-Submission-Interface universell für jede(n) für nichtkommerzielle Zwecke nutzbar sein. Das Backend allerdings ist ein weltweit verteiltes BOINC-System.

Sobald die CitizenComputing-Infrastruktur von CitizenPharma läuft, steht prinzipiell alles Nötige zur Verfügung, um sämtliche anfallenden theoretischen Aufgaben zu bewerkstelligen. In der Folge stellt sich dann die Frage nach experimenteller Überprüfung, Diagnostik, Produktion von Stoffen, uvm. Das ist dann ein Bereich, in dem zunehmend gesetzliche Regulierungen zum tragen kommen - z.B. wenn es um den Betrieb bestimmter Geräte und die Beschaffung und den Einsatz von Chemikalien geht. Hier möchten wir gern Kooperationen mit Universitätsarbeitsgruppen anstreben und diese neben unserer CitizenComputing-Infrastruktur zusätzlich durch Bereitstellung von DIY-Lösungen für kostengünstiges, quelloffenes Instrumentarium unterstützen.

Hard- & Software

Hardware

Computer

Wissenschaftliche Instrumente

Die Entwicklung, Produktion und Vermarktung wissenschaftlicher Instrumente ist ein großer internationaler Markt, der - analog zu "BigPharma" - zunehmend von Grosskonzernen beherrscht wird (Beispiel: Themo-Fisher). Die verfügbaren Instrumente sind durch Patente geschützt und meist extrem teuer.

{an dieser Stelle wird eine SEHR umfangreiche Liste von wissenschaftlichen OpenSource-Instrumenten inkl. kompletter DIY-Bauanleitungen folgen, die von unserem Vereinsvorsitzenden über viele Jahre auf folgenden Un-SocialMedia-Plattformen zusammengetragen wurde:

  • Twitter/X (sehr umfangreich, bis November 2024 aktualisiert)
  • Mastodon (im Aufbau, durchgehend aktualisiert)
  • Bluesky (im Aufbau, durchgehend aktualisiert)}

Software

BOINC

NEU: BOINC Server Installation unter Podman

Betriebssysteme

Container

Virtuelle Maschinen

Wissenschaftliche Software

Komplette Übersicht (alphabetisch geordnet)
Bindetaschen-Identifikation in Proteinen
Elektrostatik
Molecular Dynamics Simulationen
Molekulare Visualisierung
Post-Docking Analyse
Protein-Design
Protein-Konformationen identifizieren
Protein-Ligand Docking
Protein-Protein Docking/Cofolding
Protein-Strukturvorhersage

Datenbanken

Komplette Übersicht (alphabetisch geordnet)
  • BioLIP: Web
  • CartBlanche (ein "Interface" für ZINC22): Web
  • PubChem: Web
  • RCSB Protein Data Bank: Web
  • ZINC20: Web
Niedermolekulare Verbindungen Liganden / Wirkstoffe
  • CartBlanche (ein "Interface" für ZINC22): Web
  • PubChem: Web
  • ZINC20: Web
Protein-Liganden-Interaktionen
Protein- & Nukleinsäurestrukturen
  • RCSB Protein Data Bank: Web

Gentherapie

Impfstoffe

Nukleinsäuren

DNA

RNA

Phagentherapie

Proteine

Ein Protein (auch "Eiweiße" genannt) ist nichts anderes als eine Kette von Aminosäuren. Kleine Proteine mit einer Kettenlänge bis 50 Aminosäuren bezeichnet man definitionsgemäß auch als Peptide.

Proteine werden auf der Grundlage des genetischen Codes in biologischen Zellen vom Erbgut (DNA) kodiert. Die Aminosäurekette besitzt daher eine Richtung von der ersten kodierten Aminosäure (N-Terminus) zur letzten kodierten Aminosäure (C-Terminus).

Proteine können während oder nach ihrer Herstellung (diesen Prozess bezeichnet man als Translation) in der Zelle modifiziert werden. Man spricht von post-translationaler Modifikation (PTM).

Solche (auch künstlich eingeführte) Modifikationen können einen erheblichen Einfluß auf die Funktion und/oder die Stabilität des Proteins haben - was man sich zur Entwicklung von Therapeutika zu Nutze machen kann, z.B. durch die Verlängerung der Lebensdauer eines therapeutische Proteins im menschlichen Körper.

Antikörper

Peptide

Natürliche und künstlich modifizierte Peptide erfreuen sich in der modernen Arzneistoffentwicklung einer zunehmenden Bedeutung: Schon im Jahr 2021 waren mehr als 80 Peptidtherapeutika zur Behandlung einer breiten Palette von Krankheiten auf dem Markt - angefangen von Diabetes, Krebs und Osteoporose, über Multiple Sklerose und HIV-[1] bis hin zur Behandlung chronischer Schmerzen [1].

Definitionsgemäß sind Peptide nichts anderes als kleine Proteine (Kettenlänge bis 50 Aminosäuren).

Peptid-Design

Relevante GitHub Repos

Peptid-Synthese

Als Peptidsynthese bezeichnet man technische Verfahren zur Herstellung der biochemisch wichtigen Stoffklasse der Peptide.

In der Natur werden Proteine und Peptide von biologischen Zellen enzymatisch hergestellt und zwar entweder mit Hilfe einer riesigen molekularen RNA-Maschine (Ribozym) (dem Ribosom) oder durch sogenannte Peptidsynthetasen (NRPS).

{an dieser Stelle wird eine Liste von OpenSource-Systemen inkl. kompletter DIY-Bauanleitungen folgen, die erschwingliche PeptidSynthese ermöglicht}

Anwendungsbeispiele

Insulin

Aufgrund des völlig anders organisierten Gesundheitssystems sterben in den USA jährlich Menschen an der mangelnden Verfügbarkeit bezahlbaren Insulins (ein Peptidhormon). Aus diesem Grund haben sich einige Menschen mit dem Ziel aufgemacht Betroffene zu befähigen, Insulin kostengünstiger unabhängig von "BigPharma" zu produzieren.

Hierzu einige Hintergrundinformationen:

Klinische Studien

Neben den von "BigPharma" gern zur Rechtfertigung ihrer Preispolitik erwähnten "extrem hohen Kosten für F&E" (Forschung und Entwicklung) werden als Nichtmachbarkeitsargument insbesondere für Krankheitsbilder, die nur kleinere Bevölkerungsgruppen betreffen, die horrenden Kosten für die Durchführung der gesetzlich vorgeschriebenen klinischen Studien angeführt.

Dieses Argument sollte Betroffene nicht abschrecken - dazu ein Beispiel: In der Bundesrepublik sind ca. 300.000 Menschen von ME/CFS betroffen, Tendenz nach der Corona-Pandemie steigend. Wenn jede(r) dieser Betroffenen nur 100,- € zur Verfügung stellen würde, stünden direkt 30 Mio € bereit, die eine Betroffenengemeinschaft bzw. Selbsthilfegruppe z.B. in einer Kooperation mit einem Universitätsklinikum einsetzen könnte, um Forschung und Entwicklung inkl. klinischer Studie zu beauftragen und zu finanzieren.

Literatur

Recherche

Die kostenfreie Recherche biomedizinischer Fachliteratur kann man von zu Hause aus in der Online-Datenbank PubMed durchführen.

Beschaffung

Viele Fachartikel sind kostenfrei aus der an PubMed angegliederten und direkt verlinkten PubMed Central Volltextdatenbank herunterladbar. Eine komplette Liste der in dieser Datenbank enthaltenen Fachzeitschriften findet sich hier.

Etliche Fachzeitschriften folgen einem vollständigen OpenAccess-Modell (für die Öffentlichkeit also kostenfrei Online erhältlich), fast alle veröffentlichen einzelne Artikel im OpenAccess-Modell - sofern die Autoren entsprechende Extragebühren bezahlt haben (ein Beispiel: Die Kosten für das "Gold Open Access"-Publikationsmodell kosten im Fachjournal Nature 10690,- € pro Artikel).

Diejenigen Artikel, die öffentlich nicht kostenfrei erhältlich sind, lassen sich je nach finanzieller Ausstattung oft in Universitätsbibliotheken beschaffen: Diese bieten auch Nichtuniversitätsmitgliedern frei zugängliche, öffentliche Terminals an, von denen aus man Literaturrecherche betreiben und Fachartikel als elektronische Dateien herunterladen kann.

Scheiden sämtliche oben beschriebenen Möglichkeiten aus, kann man die Autoren der benötigten Fachpublikation direkt per eMail anschreiben und um einen Reprint des Artikels bitten. Autoren erhalten in der Regel einen Satz Reprints ihrer eigenen Veröffentlichungen zur Weitergabe an Dritte, immerhin haben sie für jeden Artikel ordentlich Geld bezahlt - und erhalten so den Verlagen ihr (abstruses) Geschäftsmodell, das darin besteht:

  • Autoren Geld abzunehmen, damit diese ihre (steuergeldfinanzierten) Forschungsergebnisse veröffentlichen können,
  • Lesern Geld für denselben Artikel abzunehmen, damit diese die Ergebnisse lesen können, deren Erarbeitung sie schon mit ihren Steuerabgaben finanziert haben,
  • Artikel auch nach vielen, vielen Jahren nicht kostenlos zum Download freizugeben.

Einige Menschen sind der Ansicht, dass man diesem Geschäftmodell einen Riegel vorschieben muss, damit Wissen universell auch für diejenigen verfügbar wird, die keine ausreichenden Finanzmittel bzw. Literaturzugänge besitzen und haben damit begonnen, soviele Fachartikel wie möglich zusammenzutragen (auch die kostenpflichtigen, urherberrechtlich geschützten) und in (somit rechtlich zweifelhaften) Datenbanken abzulegen (Sci-Hub, Library Genesis, usw.).

Interessant sind in diesem Kontext die Biografien von Aaron Swartz und Alexandra Elbakyan.

Übersetzung

Die zumeist englischsprachige Fachliteratur kann in heutiger Zeit vergleichsweise zuverlässig mit modernen "Machine Learning"-Übersetzungsprogrammen ins Deutsche übersetzt werden. Eine qualitativ hochwertige Lösung hierfür stellt DeepL dar.

Inhaltliches Verständnis

Man muss nicht studiert haben, um komplexe Sachverhalte zu verstehen. Niemand sollte sich von Fachbegriffen abschrecken lassen und zu Begriffsklärungen die Wikipedia als Einstieg nutzen.

Bei Rechenkraft.net haben wir die Erfahrung gemacht, dass gerade Laien einen unverstellten Blick auf Fachthemen haben und oftmals Fragen stellen, auf die Experten gar nicht mehr kommen. Gleichzeitig hat jeder Mensch irgendwo seine Interessen und Expertisen und wenn wir all dies bündeln, kommen dabei wunderbare Dinge heraus. Ein Beispiel ist unser RNA World Projekt: Der eine interessiert sich für Ribonukleinsäuren, hat damit beruflich zu tun - der nächste kann programmieren oder kennt sich mit Grafik und Design aus und am Ende steht ein gemeinschaftlich von Privatleuten betriebenes Projekt im Bereich Hochleistungsrechnen, das zu Gründungszeiten in kürzester Zeit mehr als 20.000 Computer zu einem verteilten Supercomputer bündeln konnte, um offene Fragen zur Identifizierung und Klassifizierung von RNA Familien zu beantworten.

Haftungsausschluss

Weder Rechenkraft.net noch die Autoren übernehmen irgendeine Verantwortung und/oder Haftung für die Richtigkeit dieses Beitrags, auch wenn sämtliche Angaben nach bestem Wissen und Gewissen zusammengestellt wurden. Darüber hinaus weisen wir auf die strikte Einhaltung aller jeweils relevanten Rechtsvorgaben hin, die je nach Nationalstaat sehr unterschiedlich sein können. Was auch immer Leserinnen und Leser mit dem hier vorgestellten, allgemein bekannten Grundlagenwissen tun, liegt allein in ihrer persönlichen Verantwortung.

Referenzen

[1] Muttenthaler, M., King, G.F., Adams, D.J. et al. Trends in peptide drug discovery. Nat Rev Drug Discov 20, 309–325 (2021). https://doi.org/10.1038/s41573-020-00135-8. PMID: 33536635.

Abgerufen von „https://www.rechenkraft.net/wiki/index.php?title=CitizenPharma&oldid=37749“