Ein Forschungsteam unter der Leitung von Prof. Dr. Maria Brehm, Biochemikerin an der Universität Siegen, hat ein 3D-Krankheitsmodell des Darms auf einem Mikrochip entwickelt. Untersucht wird damit die Rolle des von-Willebrand-Faktors bei der Entstehung von Darmblutungen.
Noch bis zum 9. Januar können sich Forscherinnen und Forscher für den Saarländischen Forschungspreis für Alternativen zum Tierversuch bewerben. Der Preis ist mit 10.000 Euro dotiert.
Mit einem 3D-Plazentamodell haben Forschende des Helmholtz-Zentrums für Umweltforschung (UFZ) in Kooperation mit dem Städtischen Klinikum Dessau herausgefunden, dass die auch als Ewigkeitschemikalien bezeichneten PFAS die Funktionalität der Plazenta stören. Dadurch kann das Risiko einer Fehlgeburt erhöht sein.
Lange erwartet - nun ist es soweit: die Datenbank BimmoH (BioMed Model Hub) ist zugänglich gemacht worden. Mit ihr lassen sich Informationen über für den Menschen relevante Modelle finden, die in der biomedizinischen Forschung verwendet werden.
Der Pharmakonzern Merck entwickelt neues Parkinson-Medikament. Um ein neues Medikament gegen Parkinson zu entwickeln, ist er eine Partnerschaft mit dem US-Unternehmen Valo Health eingegangen und setzt auf Künstliche Intelligenz.
Wie in einer aktuellen Pressemitteilung verlautbart wurde, ist es Forschenden von der Universität Basel erstmals gelungen, diese zelluläre Komplexität des Knochenmarks aus menschlichen Zellen im Labor nachzubilden. Dieses System könnte Tierversuche für viele Anwendungen reduzieren.
Wie mehrere britische Ministerien in einer gemeinsamen Pressemittteilung bekannt gegeben haben, sollen in Großbritannien Tierversuche durch die Einführung tierversuchsfreier Verfahren ersetzt werden. Dafür stellt das Land 75 Millionen Pfund (etwas mehr als 85 Mio. Euro) zur Verfügung.
Die Universität in Utrecht führt derzeit eine Umfrage unter jungen Nachwuchsforscher:innen durch, die mit tierfreien Methoden (New Approach Methodologies (NAMs)) arbeiten oder sich dafür interessieren.
Modernste KI-Programme können die Entwicklung von Medikamenten unterstützen, indem sie die Wechselwirkung von Proteinen mit kleinen Molekülen vorhersagen. Forschende der Universität Basel zeigen jedoch, dass diese Programme nur Muster auswendig lernen, anstatt physikalische Zusammenhänge zu verstehen. Oft versagen sie bei neuen Proteinen, die für innovative Medikamente besonders interessant wären.
Ein amerikanisch-koreanisches Forschungsteam aus Dallas, Seattle, Seoul und Wonju hat ein Deep-Learning-Modell zur Vorhersage von Proteinkomplexstrukturen entwickelt, um vorhersagen zu können, welche Proteine mit welchen anderen Proteinen interagieren. Analysiert wurden rund 190 Millionen menschliche Proteinpaare. Es gelang ihnen, rund 5500 bisher unbekannte Interaktionen menschlicher Proteine vorherzusagen, darunter solche Proteine, die an Immunität, Stoffwechsel und Zellsignalisierung beteiligt sind.