Chemosensorik
Die CPM-Gruppe möchte Antworten auf die folgenden drei Schlüsselfragen geben:
- Wie kodieren verschiedene geschmacksaktive Moleküle unterschiedliche chemosensorische Eigenschaften?
- Wie entschlüsseln Chemorezeptoren diese in unseren Lebensmitteln enthaltenen molekularen Informationen?
- Kann dieses Verständnis genutzt werden, um genaue Vorhersagemodelle für die Geschmackswahrnehmung zu erstellen?
Chemoinformatik & KI-Vorhersagen
Vorhersage bitterer Peptide: Unser von der DFG gefördertes Projekt PI1672/3 befasst sich mit der Vorhersage des bitteren Geschmacks von Peptiden. Wir haben BitterPep-GCN entwickelt, einen Graph Neural Network (GNN)-Prädiktor für die Bitterkeit von Peptiden. Die Anwendbarkeit des Modells in der Praxis wurde durch sensorische Humanstudien in der Arbeitsgruppe von Prof. Dr. Corinna Dawid und durch funktionelle Assays in der Arbeitsgruppe von Dr. Maik Behrens experimentell validiert.
Modellierung der Proteinstruktur-Dynamik
Konformative Landschaft von Geruchsrezeptoren: Als Spin-off des GPCRmd-Forschungsverbundes leistete unsere Gruppe Pionierarbeit bei der Erstellung des ersten vollständigen Strukturdatensatzes verfeinerter Geruchsrezeptor (OR)-Modelle mithilfe modernster Hochdurchsatz-Molekulardynamiksimulationen (ORmd-Projekt b178bb).
Virtuelles Screening
Ligandenentdeckung für chemosensorische Rezeptoren: Im Rahmen des Leibniz-Professorinnenprogramms (P116/2020) hat die CPM-Gruppe eine computergestützte Toolbox zur Erstellung prädiktiver 3D-Strukturmodelle von Bittergeschmacks- und Geruchsrezeptoren entwickelt. Diese Modelle wurden erfolgreich in virtuellen Screenings eingesetzt. Die Vorhersagen wurden durch Kollaborationen experimentell validiert, was zur Entdeckung neuer Chemorezeptor-Modulatoren führte.