Eine Datenbank für die Antikörperforschung, in der nicht der identische Treffer zählt, sondern der ähnliche – und die trotzdem sofort antwortet.
Antikörper binden an ihr Ziel über einige wenige, sehr variable Abschnitte. Diese Abschnitte heißen CDR-Regionen; die dritte Region der schweren Kette, CDR-H3, ist die variabelste und für die Bindung besonders aussagekräftig. Wer in der Antikörpertechnik oder im Impfstoffdesign arbeitet, hat eine Sequenz vor sich und möchte wissen, welche ähnlichen Konstrukte in bereits erfassten Repertoires vorkommen.
AIRRDB ist die Datenbank, die diese Frage beantwortet. Sie enthält aktuell 2,1 Milliarden Einträge aus dem bekannten menschlichen Paratop-Raum und wird von der BSNSoft Solutions GmbH gemeinsam mit der Voredos SRL entwickelt und betrieben. Der Bestand wird laufend erweitert und aktualisiert.
Eine gewöhnliche Datenbanksuche findet, was exakt übereinstimmt. Genau das ist hier der uninteressante Fall. Biologisch relevant sind die Sequenzen, die sich in ein oder zwei Bausteinen unterscheiden – und die eine exakte Suche niemals liefert.
Damit wird aus einer Suchanfrage ein Rechenproblem. Ein klassischer Index ordnet Werte danach, ob sie gleich sind; für die Frage „welche Einträge weichen an höchstens zwei Stellen ab" hilft er nicht weiter. Der naheliegende Ausweg, alle Einträge einzeln zu vergleichen, scheitert an der Größenordnung: Bei Milliarden von Datensätzen ist ein vollständiger Durchlauf keine Option, wenn eine Antwort in Sekunden erwartet wird.
Dazu kommt die Arbeitsweise der Nutzer. Forschung ist ein Suchvorgang mit vielen Varianten hintereinander. Eine Wartezeit von Minuten pro Abfrage verhindert genau das explorative Arbeiten, für das die Datenbank gedacht ist. Die Antwortzeit ist deshalb kein Komfortmerkmal, sondern entscheidet über die Brauchbarkeit.
AIRRDB nimmt die Abweichung in die Anfrage auf, statt sie nachträglich herauszufiltern. Gesucht wird über CDR-H3 allein oder zusammen mit CDR-H1 und CDR-H2. Je CDR sind bis zu zwei Abweichungen erlaubt, insgesamt deckt die Suche einen Bereich von 0 bis 6 Abweichungen ab. Das Ergebnis sind hochähnliche Konstrukte, nicht nur Duplikate.
Die zweite Entscheidung betrifft den Zuschnitt der Antwort. Zuerst erscheint eine Ergebnisvorschau – typischerweise in unter einer Sekunde. Sie beantwortet die Frage, ob diese Suchrichtung überhaupt trägt. Der vollständige Treffersatz wird erst danach als Datei bereitgestellt. Wer explorativ arbeitet, wartet damit nicht auf einen Export, den er in neun von zehn Fällen gar nicht braucht.
Der dritte Punkt ist die Anschlussfähigkeit. Ergebnisse lassen sich als standardisierte AIRR-TSV-Datei herunterladen oder im VDJfasta-Format (vdj.csv), das für die Antikörper-Entwicklung mit Abgenesis genutzt wird. Für große und automatisierte Abfragen steht eine API bereit. Wer eigene, nicht öffentliche Daten durchsuchen möchte, kann das auf einer privaten Instanz tun.
Die Anwendung ist der kleinere Teil. Die Arbeit steckt darin, wie die Daten für genau diese Frage abgelegt und ausgeliefert werden.
vdj.csv) für Abgenesis.AIRRDB ist unter airrdb.com produktiv erreichbar. Forschende können eine Sequenz eingeben und bekommen die ähnlichen Konstrukte aus 2,1 Milliarden Einträgen angezeigt, ohne selbst Infrastruktur aufzubauen. Die Anwendungen reichen von der gezielten Antikörper-Entwicklung bis zum Vergleich ganzer Repertoires im Impfstoffdesign.
Genauso wichtig ist, was nicht passiert ist: Es gibt keine Wartezeit, in der die Suche als Auftrag eingereicht und das Ergebnis später abgeholt wird. Das ist der Unterschied zwischen einem Datensatz, den man auswertet, und einem Werkzeug, das man benutzt.
Wir nennen an dieser Stelle bewusst keine Kunden- oder Nutzungszahlen. Öffentlich belegbar ist, was auf der Projektseite steht – alles Weitere gehört dem Projektpartner und den Anwendern.
AIRRDB steht für die Kombination aus Daten, Suche und Algorithmen: Eine Frage, die sich mit gewöhnlichen Datenbankmitteln nicht beantworten lässt, wird durch die Art der Datenhaltung beantwortbar. Dazu kommt die unspektakuläre, aber entscheidende Datenaufbereitung – Import, Normalisierung und Aktualisierung eines fortlaufend wachsenden Bestands – sowie der Betrieb der Infrastruktur, auf der ein solcher Dienst dauerhaft und mit gleichbleibendem Antwortverhalten läuft. Ein Projekt dieser Art scheitert selten an der Oberfläche. Es scheitert daran, dass Datenmodell, Suchverfahren und Betrieb nicht von denselben Leuten gedacht werden.
Warum wir Projekte so zuschneiden – und zwei weitere Fälle.
Die Positionierung hinter diesem Projekt: erst das Problem, dann die Technik.
Mehr erfahren30 Studenten-Apartments, komplett online vermietet: Verfügbarkeit, Vertrag, Zahlung, Zutritt.
Fall lesenEigenes Produkt mit NVD-Firewall: Produktentwicklung, Betrieb und Security Engineering.
Fall lesenPassende Leistungen zu diesem Fall: Software- & KI-Consulting, individuelle Software-Entwicklung und Managed Hosting für den Betrieb. Alle Projekte in der Übersicht auf der Seite Referenzen.