Arzneimittelresistenz ist ein häufiges Problem, das zu einem Versagen der Krebstherapie führt. GeneXplain wird dieses Problem angehen, indem es eine KIbasierte Pipeline für die Entdeckung optimaler synergistischer Wirkstoffkombinationen entwickelt, die die Resistenz gegen zielspezifische Therapeutika überwinden. Um dieses Ziel zu erreichen, werden wir zunächst einen Algorithmus etablieren, der moderne bioinformatische Datenbanken und systembiologische Modellierung verwendet, um Netzwerkmechanismen der beobachteten Arzneimittelresistenz zu entschlüsseln und synergistisch agierende Master-Regulatoren als vielversprechendste Wirkstoffziele zu identifizieren. Als nächstes wird die Pipeline mit Hilfe des virtuellen Screenings der Chemoinformatik neuartige Medikamente und aktive chemische Verbindungen vorschlagen, die auf die identifizierten Master-Regulatoren abzielen. Mit modernen Methoden des maschinellen Lernens und der Faltungsnetzwerke werden wir einen neuartigen Algorithmus zur Identifizierung synergistischer Kombinationen dieser Medikamente entwickeln. Schließlich wird die entwickelte Pipeline eingesetzt, um fortschrittliche Proteomik-Daten, die von den Projektpartnern generiert wurden, zu analysieren und komplementäre AntiResistenzmedikamente zu unserem hochwirksamen Antikrebs-Leitwirkstoff LCTA2940 – einem spezifischen Inhibitor der Thioredoxinreduktase – zu identifizieren