Der curAHack hat junge Wissenschaftler, Bioinformatiker und Healthcare-Begeisterte zusammengebracht, um Herausforderungen aus der Forschung des curATime-Clusters anzugehen. Unter Anleitung von Mentor:innen und Expert:innen haben die Teilnehmenden innerhalb von zwei Tagen innovative Lösungen entwickelt und am Ende der Veranstaltung einer Jury präsentiert.
Die Mentoren der drei Challenges ziehen eine begeisterte Bilanz:
"Team 1, "curAGUI" musste eine grafische Benutzeroberfläche erstellen, die alle zur Verfügung gestellten Platzhalterskripte implementieren konnte, um sie anschließend durch trainierte Deep-Learning-Modelle zu ersetzen. Das Team war in der Lage, ein Grundgerüst zu entwickeln, das alle erforderlichen Punkte umfasste und Videos in einer Weise integrierte, die die Ergebnisse der Pipeline nachahmte."Aida Romano Martínez, Universitätsmedizin Mainz
"Während des Hackathons arbeiteten zwei Teams an einer RNA-seq-Analysepipeline, die für die anfängliche Analyse keine Informationen zur Genannotation erfordern sollte. Beide Teams waren in der Lage, explorative Analysen durchzuführen, um die Auswirkungen verschiedener Ensemble-Genannotationsmodelle zu quantifizieren. Als Lösung haben beide Teams k-mer-Zähltabellen als Zwischenergebnisdatei entwickelt, die später auf jede beliebige Genannotation abgebildet werden kann.
Während das eine Team, die "Bioinformagicians", eine Analysepipeline mit vorhandenen Tools erstellte, die sie geschickt auswählten und für den beabsichtigten Zweck anpassten, entwickelte das andere Team, die "Expressionists", eine neuartige Analyse von Grund auf. Die "Bioinformagicians" gewannen schließlich den Hackathon mit einer kombinierten Analyse, die die Grundlage für die Entwicklung einer neuen Expressionspipeline für RNA-seq-Daten bilden könnte. Wir werden alle Ergebnisse und Erkenntnisse in einem Preprint zusammenfassen und alle Daten, den Code und die Analyse als öffentliches Repository und auf einem Preprint-Server zur Verfügung stellen."
Dr. David Weber, TRON gGmbH
"Die Hackathon-Herausforderung "Target Sequence for RNA delivery" wurde von dem Team "CurApollo13" in Angriff genommen, das Peptidsequenzen identifizieren wollte, die einen gezielten Transport von Nanopartikeln zu Endothelzellen in atherosklerotischen Läsionen ermöglichen könnten. Ohne jegliche Vorkenntnisse oder Rechenressourcen entwickelte das Team zwei kreative und doch komplementäre Konzepte. Ein Ansatz bestand in der Analyse der 3D-Proteinstrukturen von Paratop/Epitop-Paaren.
In einem zweiten Ansatz stellte das CurApollo13-Team ein Konzept vor, bei dem 3D-Strukturen von zufälligen kurzen Peptidsequenzen mit Hilfe von AlphaFold, einer leistungsstarken Berechnungsmethode zur Simulation von 3D-Proteinstrukturen, rechnerisch vorhergesagt werden können. Diese mutmaßlichen Strukturen könnten dann Antigenen überlagert werden, um ihre mutmaßliche Bindung zu testen. Im Prinzip könnte der erste Ansatz zur Validierung des zweiten, vollständig rechnerischen Ansatzes verwendet werden. Das Team CurApollo13 belegte den zweiten Platz beim curAHack."
Dr. Johnny Kim, TRON gGmbH
