Breadcrumbs

BS DC Import ID
node:39489
BS DC Import Time
Design - Head - Display
default
Design - Head - Layout
flex-row-6-6
Design - Head - Color
default
Sub-Menu - Display - Design
default

Krankheitsbilder

2007–2021

© BarabásiLab (Albert-László Barabási, Csaba Both, Alexander Gates, Alice Grishchenko, Deisy Gysi, Manolis Kellis)
Import ID
r17_box_section:690519
Admin Title
D7 Paragraph: r17_box_section / GPC_ID: 66705
Layout
undefined
Import ID
r17_box_wrapper:690518
Admin Title
D7 Paragraph: r17_box_wrapper / GPC_ID: 10513
Type
Section - Boxes - L3 (Borders)
Layout
Flex Box
  1. Import ID
    r17_box_item:690513
    Admin Title
    D7 Paragraph: r17_box_item / GPC_ID: 29128
    Type
    default
    Detail Layout
    default-12

    Netzwerk-Medizin

  2. Import ID
    r17_box_item:690514
    Admin Title
    D7 Paragraph: r17_box_item / GPC_ID: 29129
    Type
    default
    Detail Layout
    default-12

    Humangenomprojekt

  3. Import ID
    r17_box_item:690515
    Admin Title
    D7 Paragraph: r17_box_item / GPC_ID: 29130
    Type
    default
    Detail Layout
    default-12

    Gene

  4. Import ID
    r17_box_item:690516
    Admin Title
    D7 Paragraph: r17_box_item / GPC_ID: 29131
    Type
    default
    Detail Layout
    default-12

    Krankheiten

  5. Import ID
    r17_box_item:690517
    Admin Title
    D7 Paragraph: r17_box_item / GPC_ID: 29132
    Type
    default
    Detail Layout
    default-12

    Gesundheit

Import ID
r17_video:696721
Admin Title
D7 Paragraph: r17_video / GPC_ID: 44628
Type
media
Detail Layout
flex-row-3-9

The Human Disease Network | Videokommentar von Albert-László Barabási

barabasi_commentary_107.png
Vortrag/Gespräch

The Human Disease Network | Videokommentar von Albert-László Barabási

Import ID
r17_text:690858
Admin Title
D7 Paragraph: r17_text / GPC_ID: 10515
Detail Layout
flex-row-9-3 reverse

Die in dieser Sektion gezeigten Projekte spiegeln die langjährige Beschäftigung des BarabásiLabs mit Themen der Medizin wider, wie mit menschlichen Krankheiten, der Genetik und zuletzt mit der Suche nach wirksamen Medikamenten gegen COVID-19

Import ID
r17_image:690859
Admin Title
D7 Paragraph: r17_image / GPC_ID: 10516
Type
image
Detail Layout
flex-row-3-9
© BarabásiLab (Albert-László Barabási, Barton Childs, Michael E. Cusick, Kwang-Il Goh, David Valle, Marc Vidal)
Import ID
r17_text:689886
Admin Title
D7 Paragraph: r17_text / GPC_ID: 10517
Detail Layout
flex-row-9-3 reverse

Die Veröffentlichung des Entwurfs des menschlichen Genoms im Jahr 2001 führte zu einem rasanten Anstieg der Genforschung, denn nun war es Forscher:innen möglich, Krankheiten mit bestimmten Genen zu verknüpfen. 2005 bis 2006 arbeitete Albert-László Barabási am Dana-Farber Cancer Institute an der Harvard Medical School in den USA und widmete sich der Frage, was diese vielen unabhängigen Entdeckungen über die Beziehungen zwischen Krankheiten aussagen. Das 2007 veröffentlichte »Human Disease Network« [Netzwerk menschlicher Krankheiten] visualisiert die tiefen genetischen Zusammenhänge zwischen Krankheiten. Jeder Knoten des Netzwerks steht für eine andere Krankheit. Die Klassen, zu denen die Krankheiten gehören, sind farblich markiert: Krebserkrankungen sind im blauen, neuronale Krankheiten im roten Farbspektrum angesiedelt. Die Größe des Knotens spiegelt die Anzahl der Gene wider, die für die Krankheit verantwortlich sind. Dies ist das erste Mal, dass das BarabásiLab in der Knotengröße Informationen codiert. Die Verknüpfungen entsprechen den Genen, die beide Krankheiten miteinander verbinden, und erfassen somit ihre gemeinsamen genetischen Wurzeln. Die hier gezeigten Prozessbilder dokumentieren die Entwicklung der Visualisierung des Netzwerks bis zum finalen Entwurf. Das »Human Disease Network« gehört zu den am häufigsten reproduzierten Netzwerkdarstellungen des BarabásiLabs.

Import ID
r17_faq:690767
Admin Title
D7 Paragraph: r17_faq / GPC_ID: 10525
Type
list-accordion
Layout
undefined
Import ID
r17_faq:690767:gpc_content.field_gpc_cntnr_hd_rl_gpc_cntnt
Admin Title
D7 Paragraph: r17_faq / GPC_ID: 19410
Type
default
Detail Layout
default-12

Drugging COVID (2020–2021)

  1. Import ID
    r17_faq_item:690766
    Admin Title
    D7 Paragraph: r17_faq_item / GPC_ID: 10524
    Type
    default
    Detail Layout
    default-12

    Suche nach effektiven COVID-19-Medikamenten

    Pandemie
    Netzwerk-Medizin
    Künstliche Intelligenz

    Mit dem Aufkommen der Corona-Pandemie widmete sich das BarabásiLab der Frage, welche der vorhandenen und zugelassenen Medikamente gegen COVID-19 wirksam sein könnten. Das SARS-CoV-2-Virus befällt Zellen, indem es ausgewählte menschliche Proteine angreift. Medikamente, die den Zugang des Virus zu diesen Proteinen blockieren, können verhindern, dass das Virus in Zellen eindringt und den menschlichen Organismus infiziert. Gemeinsam mit Harvard-Mitarbeiter:innen entwickelte das BarabásiLab ab März 2020 Werkzeuge, die auf künstlicher Intelligenz und Netzwerk-Medizin basieren, um unter den 6000 existierenden Medikamenten diejenigen zu identifizieren, die eine Wirksamkeit gegen das Virus zeigen könnten. Diese Medikamente wurden später von Wissenschaftler:innen der Boston University experimentell getestet.

    Die Visualisierungen zu »Drugging COVID« [COVID-Medikamentierung] fassen den Prozess der Recherche zusammen. Sie zeigen die 3D-Darstellung der getesteten Medikamente zusammen mit der Region des subzellulären Netzwerks, die vom Virus und dem jeweiligen Medikament attackiert wird. Jedes einzelne Medikament wird zusammen mit den Informationen dargestellt, die Ärzt:innen und Patient:innen zur Verfügung stehen. Jeder Glaswürfel entspricht einem anderen Medikament, das sich als wirksam gegen das Virus erwiesen hat. Ihre lasergravierten Teilnetze stellen die Region des menschlichen Protein-Interaktionsnetzwerks dar, die von den Algorithmen zur Vorhersage der Wirksamkeit des entsprechenden Medikaments verwendet wird. Mittels einer interaktiven Videoinstallation können die Gesamtheit und die immense Anzahl der unterschiedlichen getesteten Medikamente sowie ihre Wirkweisen nachvollzogen und erkundet werden. Sie veranschaulicht den enormen Forschungsraum, dem sich Mediziner:innen bei der Suche nach effektiven Heilmitteln gegenübersehen, und zeigt, wie die Netzwerkwissenschaft diese Suche unterstützen kann.

Import ID
r17_image:690783
Admin Title
D7 Paragraph: r17_image / GPC_ID: 10529
Type
image
Detail Layout
flex-row-3-9
© BarabásiLab (Albert-László Barabási, Alice Grishchenko, Deisy Gysi)
Import ID
r17_faq:690769
Admin Title
D7 Paragraph: r17_faq / GPC_ID: 10531
Type
list-accordion
Layout
undefined
Import ID
r17_faq:690769:gpc_content.field_gpc_cntnr_hd_rl_gpc_cntnt
Admin Title
D7 Paragraph: r17_faq / GPC_ID: 19414
Type
default
Detail Layout
default-12

The Human Genome Project (2021)

  1. Import ID
    r17_faq_item:690768
    Admin Title
    D7 Paragraph: r17_faq_item / GPC_ID: 10530
    Type
    default
    Detail Layout
    default-12

    Genom-Revolution

    Humangenomprojekt
    20-jähriges Jubiläum
    »Nature«
    Wissenschaftlicher Einfluss
    »The Book of Life«

    Das BarabásiLab wurde eingeladen, das Cover der »Nature«-Ausgabe zu gestalten, die den zwanzigsten Jahrestag des Humangenomprojekts (HGP), oft auch »The Book of Life« [Das Buch des Lebens] genannt, feierte. Das im Februar 2021 veröffentlichte Cover und der dazugehörige Artikel zeichnen die Geschichte des HGP nach, ein internationales Forschungsprojekt, dessen Hauptprodukt, die Kartierung des menschlichen Genoms, im Jahr 2001 veröffentlicht wurde. Das BarabásiLab wertete alle wissenschaftlichen Publikationen zwischen 1900 und 2020 aus, die sich mit einzelnen Genen beschäftigten. Das Titelbild zeigt das menschliche Genom, das heißt die gesamte Erbinformation einer Zelle, anhand von 25 Ringen. Jeder Ring steht für ein menschliches Chromosom. Insgesamt 19.775 Eisberge unterschiedlicher Größe auf diesen Ringen entsprechen einzelnen Genen. Die Größe oberhalb der imaginären Wasserlinie jedes Eisbergs misst das wissenschaftliche Interesse an diesem Gen vor dem HGP, die Unterwassertiefe das nach der Enthüllung des menschlichen Genoms. Die Breite der Basis jedes Eisbergs erfasst die Anzahl der mit dem Gen verbundenen Krankheiten. Neben der Eisberg-Metapher entwickelte das BarabásiLab weitere Darstellungen derselben Daten. Eine zeigt eine imaginäre Gen-Stadt. Eine weitere stellt das Genom so dar, wie es im Zellkern vorliegt: zerknüllt. Die Visualisierung des BarabásiLabs verdeutlicht den immensen Einfluss des HGP auf die Genforschung, die das Studium der genetischen Wurzeln menschlicher Krankheiten ermöglicht und die Suche nach wirksamen Medikamenten vorantreibt. Sie zeigt auch, dass viele verschiedene Arten der Visualisierung zur Darstellung desselben Datensatzes möglich sind.

Import ID
r17_image:690788
Admin Title
D7 Paragraph: r17_image / GPC_ID: 10532
Type
image
Detail Layout
flex-row-3-9
© BarabásiLab (Albert-László Barabási, Alexander Gates, Alice Grishchenko, Deisy Gysi, Manolis Kellis)
Import ID
r17_image:690789
Admin Title
D7 Paragraph: r17_image / GPC_ID: 10536
Type
image
Detail Layout
flex-row-3-9
© BarabásiLab (Albert-László Barabási, Csaba Both, Alexander Gates, Alice Grishchenko, Deisy Gysi, Manolis Kellis)
Import ID
r17_faq:690771
Admin Title
D7 Paragraph: r17_faq / GPC_ID: 10539
Type
list-accordion
Layout
undefined
Import ID
r17_faq:690771:gpc_content.field_gpc_cntnr_hd_rl_gpc_cntnt
Admin Title
D7 Paragraph: r17_faq / GPC_ID: 19420
Type
default
Detail Layout
default-12

Interactome (2012)

  1. Import ID
    r17_faq_item:690770
    Admin Title
    D7 Paragraph: r17_faq_item / GPC_ID: 10538
    Type
    default
    Detail Layout
    default-12

    Netzwerk-Medizin

    Protein-Interaktionen
    Lungenkrankheiten

    Das menschliche Interaktom, das alle molekularen Interaktionen innerhalb einer menschlichen Zelle erfasst, ist ein Netzwerk aus 13.000 menschlichen Proteinen, die durch 141.000 Protein-Interaktionen verbunden sind. Da eine solch große Anzahl von Knoten und Verknüpfungen nicht in einer einzigen Darstellung visualisiert werden kann, zeigen die Videos des BarabásiLabs immer nur einen kleinen Bruchteil aller Verbindungen.

    Die Hervorhebung der Gene, die an Asthma (violett) und chronisch obstruktiver Lungenerkrankung (COPD) (gelb) beteiligt sind, illustriert, wie Proteine, die an der gleichen Krankheit beteiligt sind, sich in der gleichen Netzwerk-Nachbarschaft häufen und oft miteinander verbunden sind.

    Die Visualisierung des Videos »Interactome 2« [Interaktom 2] zeigt die Entdeckung des Asthma-Krankheitsmoduls und verdeutlicht, wie der vom BarabásiLab entwickelte Netzwerk-Medizin-Algorithmus Asthma innerhalb des Interaktoms lokalisiert. Es ist schwierig, die Variationen und winzigen molekularen Unterschiede zwischen an Asthma Leidenden zu erkennen. Und doch gibt es auf molekularer Ebene in ihren Netzwerken individuelle, einzigartige Veränderungen, die alle zum gleichen Ergebnis führen: nämlich, dass diese Menschen nicht mehr normal atmen können.

Import ID
r17_video_list:690829
Admin Title
D7 Paragraph: r17_video_list / GPC_ID: 95449
Type
list-teaser
Layout
flex-row flex-row-3
  1. Albert-László Barabási, Mauro Martino, »Interaktom 1: Protein-Interaktionen in menschlichen Zellen«, 2012

  2. Albert-László Barabási, Mauro Martino, »Interaktom 2: Asthma-Modul«, 2012

Import ID
r17_video_list:690834
Admin Title
D7 Paragraph: r17_video_list / GPC_ID: 95450
Type
list-teaser
Layout
flex-row flex-row-3
  1. Albert-László Barabási, Mauro Martino, »Interaktom 3: DIAMOND oder die Suche nach dem Asthma-Modul«, 2012

  2. Albert-László Barabási, Mauro Martino, »Interaktom 4: Asthma und COPD«, 2012

Import ID
r17_video:696724
Admin Title
D7 Paragraph: r17_video / GPC_ID: 44637
Type
media
Detail Layout
flex-row-3-9

Interactome | Videokommentar von Albert-László Barabási

barabasi_commentary_108.png
Vortrag/Gespräch

Interactome | Videokommentar von Albert-László Barabási

Import ID
r17_image:690790
Admin Title
D7 Paragraph: r17_image / GPC_ID: 10540
Type
image
Detail Layout
flex-row-3-9
© BarabásiLab

Footer

ZKM | Zentrum für Kunst und Medien

Lorenzstraße 19
76135 Karlsruhe

+49 (0) 721 - 8100 - 1200
info@zkm.de

Organization

Dialog