Ontologiegestützte Parametrierung von Optimierungsalgorithmen für die Asservierung von Biomaterialien
Biomaterialbanken gewinnen zunehmend an Bedeutung für die medizinische Forschung und spielen eine Schlüsselrolle bei der Entwicklung personalisierter Medizin. Dabei ist die langfristige Kryo-Asservierung von Probenmaterial aufwändig. Für die Probenqualität ist das Einhalten genau definierter Lagerbedingungen wichtig. Die für Forschungszwecke entnommenen Proben lassen sich im Allgemeinen nur einmalig nutzen. Daher können Ein-, Aus und Umlagerungsvorgänge die Lagerung ineffizient machen oder die Temperaturkonstanz gefährden. Die zumeist rechnergestützte Probenverwaltung erlaubt grundsätzlich eine Anwendung algorithmischer Optimierungsverfahren. Allerdings sind entsprechende Ansätze noch kaum entwickelt.
Der Vortrag stellt die Entwicklung eines flexiblen und effizienten Frameworks zur Anwendung unterschiedlicher algorithmischer Optimierungsverfahren auf die Materiallagerung in Biobanken vor. Ein wichtiger Baustein ist dabei eine ontologiebasierten Modellierung der Biobanken. Das Modell einer konkreten Biobank, ihrer Lagerorte, -bedingungen und -abläufe unterstützt jeweils eine interaktive Deklaration bzw. Anpassung von Optimierungs- oder Simulationsalgorithmen. Das vorgestellte Framework nutzt SCIP (Solving Constraint Integer Programs) zur Behandlung von Offline-Optimierungsproblemen und SimKit für die Simulation (mehrschrittiger) Ein- und Auslagerungsvorgänge. Der Schwerpunkt des vorzustellenden Projekts lag auf der Untersuchung der Machbarkeit. Dennoch liegen erste Bewertungen zu Einlagerungsstrategien der Zentralisierten Biomaterialbank der RWTH Aachen (RWTH cBMB) vor.