07.10.2026
Johnny A. J. Siegert im „Meiler Lab Member Spotlight“
In diesem „LabMemberSpotlight“ des Meiler Lab stellt sich der SECAI-Doktorand Johnny Alexander Jimenez Siegert vor und gibt einen Einblick in seine Forschungsarbeit. Unter der Betreuung von Fellow Jens Meiler ist er Teil seiner Forschungsgruppe an der Medizinischen Fakultät der Universität Leipzig. Die Gruppe setzt innovative computergestützte Ansätze für die Wirkstoffforschung ein, untersucht und modelliert Wechselwirkungen zwischen Proteinen und führt High-Throughput-Liganden-Docking-Experimente durch, die eine schnelle Vorhersage möglicher Bindungen zwischen Molekülen und Proteinen ermöglichen.
„Meine Laufbahn in der Wissenschaft geht auf meine Teilnahme an der Internationalen Chemie-Olympiade 2016 als Gymnasiast zurück. Ich habe anschließend Chemie an der Martin-Luther-Universität Halle-Wittenberg studiert und meine Bachelor- und Masterarbeit im Labor von Prof. Daniel Sebastiani über die ab-initio-Molekulardynamik von Solid-State-Protonenleitern verfasst. Neben meinem Studium engagierte ich mich ehrenamtlich beim Förderverein Chemie-Olympiade e.V., um Schüler:innen zu unterstützen, insbesondere beim Wettbewerb „Chemie – die stimmt!“. Dort lernte ich Prof. Jens Meiler kennen, als er einen Vortrag über computergestützte Wirkstoffforschung hielt.“
„Im Jahr 2023 trat ich dem MeilerLab als Mitglied der SECAI School of Embedded Composite AI und später des Center for Scalable Data Analytics and Artificial Intelligence (ScaDS.AI Dresden/Leipzig) bei. Mein Hauptprojekt, das in Zusammenarbeit mit der Gruppe von Prof. Christian Georg Mayr an der Technischen Universität Dresden durchgeführt wird, zielt darauf ab, das Screening extrem großer Wirkstoffbibliotheken mit der neuromorphen SpiNNaker2-Plattform zu beschleunigen. Da die „Make-on-Demand“-Verbindungsbibliotheken auf Milliarden von Verbindungen und mehr anwachsen, sind wir davon überzeugt, dass das Co-Design von Hardware und Software entscheidend sein wird, um das virtuelle Screening rechnerisch durchführbar zu halten. SpiNNaker2, das für massiv parallele KI-Aufgaben konzipiert wurde, bietet eine vielversprechende Plattform, um zu untersuchen, wie spezialisierte Hardware diese Herausforderung bewältigen kann.“
„Vor kurzem haben wir unsere Ergebnisse zum ligandenbasierten Screening mit SpiNNaker2 in der Fachzeitschrift Nature Portfolio Communications Chemistry veröffentlicht. Wir haben festgestellt, dass die SpiNNaker2-Implementierung im Vergleich zu einem System mit einer GPU sowohl schneller als auch wesentlich energieeffizienter war. Für unsere nächsten Schritte haben wir im Rahmen der Initiative „Anwendung von Künstlicher Intelligenz (KI) in der Wirkstoffforschung“ des Bundesministeriums für Forschung, Technologie und Raumfahrt eine dreijährige Förderung erhalten, um strukturbasiertes Screening und quantenchemische Methoden auf SpiNNaker2 zu implementieren. Durch die Validierung unseres Ansatzes anhand eines etablierten GPCR-Targets kombinieren wir die rechnerischen und experimentellen Kapazitäten unseres Instituts, um einen Beitrag zur nächsten Generation des hardwarebeschleunigten virtuellen Screenings zu leisten.“