Im Volkamer-Lab entwickeln wir Methoden an der Schnittstelle zwischen struktureller Bioinformatik und Chemieinformatik, die hauptsächlich im Kontext des computergestützten Wirkstoffdesigns angewendet werden. Einerseits erforschen wir strukturbasierte Methoden für die Bewertung von aktiven Stellen, einschließlich des Vergleichs von Bindungsstellen, der Aufklärung von Pharmakophoren und der Vorhersage von Off-Targets; taschenzentriertes, fragmentbasiertes Design sowie Deep-Learning-gestützte virtuelle Screening-Pipelines. Neben Target-unabhängigen Ansätzen konzentrieren wir unsere Entwicklungen auf Kinasen, eine der wichtigsten Klassen von therapeutischen Targets. Andererseits untersuchen wir ligandenbasierte Methoden, einschließlich Methoden des maschinellen Lernens zur Vorhersage von Aktivität und Toxizität, und wenden sie in translationalen Projekten an.

Besonderes Augenmerk wird auf die Integration neuartiger Techniken unter Berücksichtigung der Anwendbarkeit und Zuverlässigkeit sowie der Interpretierbarkeit von Deep-Learning-Methoden gelegt. Ein Ziel ist dabei die Etablierung alternativer in silico-Methoden zur Bestimmung des Risikos von Verbindungen und ihrer schädlichen Wirkungen auf Mensch, Tier, Pflanze und Umwelt. Darüber hinaus arbeiten wir kontinuierlich an der Integration der beiden Forschungsbereiche der struktur- und ligandenzentrierten Projekte, d.h. wir konzentrieren uns auf strukturinformierte maschinelle Lernansätze, die vor allem auf Kinasen angewendet werden. Dabei versuchen wir, die physikalischen Aspekte in die molekulare Modellierung zu integrieren (z. B. Molekulardynamiksimulationen und Berechnungen der freien Energie), um die Wechselwirkungen zwischen Wirkstoffen und Zielstrukturen besser zu erfassen.