High-Throughput Genomics and Systems Biology

• Zur Webseite der Gruppe

Dr. Marcel H. Schulz

Unsere Gruppe entwickelt computergestützte Verfahren der Systembiologie und Algorithmen die das Zusammenspiel von transkriptioneller und posttranskriptioneller Genregulation untersuchen.  Unsere Forschung beschäftigt sich mit der Analyse von genregulatorischen Netzwerken für die Vorhersage (i) von Kandidatengenen verschiedener Krankheiten, (ii) von neuen Funktionen von RNAs, und (iii) zur Untersuchung epigenetischer Genregulation verursacht durch kleine RNA Spezies. Wir setzen in den Projekten vielfältige Methoden aus dem Bereich Machine Learning ein und entwickeln desweiteren Algorithmen zur effizienten Analyse von Sequenzierdaten.

Unsere Projekte

Integrative Modelle der Genregulation

Die Gruppe ist interessiert daran Veränderungen transkriptioneller und posttranskriptioneller Genregulation in Krankheiten vorherzusagen. Im Besonderen untersuchen wir microRNAs und andere kleine RNA spezies, sowie Transkriptionsfaktoren und deren Wechselwirkungen mit epigenetischen Modifikationen wie posttranskriptionelle Veränderungen von Histon-Proteinen und DNA Methylierung. Dabei werden folgende Schwerpunkte gesetzt:

• Modellierung dynamischer genregulatorischer Netzwerke von Zeitreihendaten der Genexpression und genomweiten Interaktionsdaten
• Entwicklung neuer Machine Learning Methoden für die Vorhersage von microRNA targets mit Hilfe von RNA-seq Daten
• Netzwerke kleiner RNAs und deren Interaktion mit epigenetischen Modifikationen
• Probabilistische Verfahren für die Bestimmung von Open Chromatin regions

Effiziente Algorithmen für die Analyse von Sequenzierdaten

Moderne Sequenzierverfahren steigern stetig ihren Durchsatz und damit die Anforderungen an die Software die diese Daten bearbeitet. Wir benutzen neueste Resultate aus dem Bereich der Sequenzanalyse für effiziente Datenstrukturen um schnellere und akkuratere Algorithmen zu entwickeln. Folgende Schwerpunkte werden dabei gesetzt:

• Verfahren zur De novo Assemblierung mit de Bruijn Graphen
• Methoden zur De novo Korrektur von Sequenzierfehlern
• Effiziente Analyse von Bisulfitesequenzierdaten