Forschungsschwerpunkt Bioinformatics
Wir entwickeln praktische Lösungen an der Schnittstelle von Biologie, Medizin und Computerwissenschaften.
Über uns
Der Schwerpunkt Bioinformatik konzentriert sich auf theoretische und rechnerische Aspekte der Modellierung des Prozesses der Genomevolution und des adaptiven Wandels. Ziel ist Grundlagenforschung und neue Methoden der Bioinformatik in reale Anwendungen zu bringen, die zum Beispiel von der Biotechnologie bis zur biomedizinischen Forschung und Forensik reichen. Der Forschungsbereich ist in verschiedene Forschungsgruppen gegliedert, die jeweils auf gewissen Methoden oder Anwendungsdomänen fokussieren.
Unsere Forschungsgruppen
Computational Genomics
Die Forschungsgruppe ist auf Computergestützte Genomik und Modellierung stochastischer Prozesse in der molekularen Evolution spezialisiert: Statistische und computergestützte Methoden zur Analyse von proteinkodierenden Genen und Genfamilien, Selektion, Adaption, Phylodynamik und Evolution, einschliesslich Wirt-Pathogen-Interaktionen; Anwendungen in der medizinischen Genomik, Epidemiologie, Metagenomik und Forensik. Die Forschungsgruppe entwickelt rechnergestützte Methoden für die Genomanalyse, insbesondere zur Untersuchung von Repeat-Sequenzen und Indel Evolution (z.B. Anwendungen in der Krebsforschung und Biotechnologie) sowie zur Untersuchung der Dynamik und Evolution von Viren und anderen Pathogenen.
Biomedical String Analysis
Die Forschungsgruppe ist auf die Analyse von Zeichenketten (Englisch "strings") spezialisiert. Die Forschungsprojekte und Anwendungen fokussieren sich auf genomische Daten und auf die natürliche Sprache im biomedizinischen Bereich. Die Gruppe entwickelt neuen Methoden in den Computational Sciences und setzt bestehende Methoden ein. Das umfasst: Mathematische Modellierung, Computational Statistics. Algorithmen Design, Diskrete Mathematik, Machine und Deep Learning, Natural Language Processing, Semantic Web Technologies.
Applied Mathematical Biology
Die Forschungsgruppe entwickelt mathematische Modelle und Methoden und wendet sie an der Schnittstelle zwischen Mathematik und offenen Forschungsfragen in der Biologie an. Zu den verwendeten Methoden gehören Standardkalkül, Differentialgleichungen, maschinelles Lernen und die Theorie dynamischer Systeme zur Beschreibung und Vorhersage biologischer Phänomene. Insbesondere untersucht die Gruppe die Beziehung zwischen Codon Usage Bias und Genexpression über das Konzept der translationalen Effizienz und wendet diese Erkenntnisse auf Codon-Optimierungsprobleme an. Weitere Interessen liegen in der Erforschung der Wechselwirkungen zwischen Krebs und Immunsystem und deren Vorhersagekraft für Krebsimmuntherapien sowie in der Populationsgenetik der frühen Infektionsphase von teilweise rekombinierenden Viren.
Lehre
Der Schwerpunkt umfasst Lehrveranstaltungen auf BSc-, MSc- und PhD-Stufe in Computational Sciences mit Fokus Computational Genomics, Bioinformatik, mathematischer Modellierung, Biostatistik, Programmierung und Algorithmen für die Molekularbiologie.
Team Bioinformatics
-
Studiengangleitung MSc Vertiefung in Applied ...
Projekte
-
Data mining in neurological medicine
Restless legs syndrome (RLS, Willis-Ekbom disease) is a neurological movement disorder characterised by motor and sensory symptoms, such as the uncontrollable need to move the legs (and sometimes also the arms). Such need is associated with an unpleasant and disturbing sensation in the lower limbs that typically ...
-
Computational literature-based natural product drug discovery
Natural products such as medicinal plants and extract mixtures have successfully supported the discovery of pharmaceuticals. Medically relevant products and their properties are often found through systematic analysis of the literature. In 1980s Swanson found hidden links between pieces of knowledge in the ...
-
REFRACT – Repeat protein Function, Refinement, Annotation and Classification of Topologies
REFRACT is an international consortium aiming to extend our knowledge on the mechanism of tandem repeat protein (TRP) function and evolution, establishing a common classification and best practices. Starting from available state of the art computational tools and databases, it aims to drive a new level of TRP ...
-
The effect of programmed ribosomal frameshifting on codon usage bias
Synonyme Mutationen sind Mutationen der DNS, welche die kodierte Aminosäuresequenz –zum Beispiel eines Proteins– nicht verändern. Solche Mutationen ändern Codonen –Abschnitte in der DNS bestehend aus drei Basen– in andere um, welche vom genetischen Code in dieselbe Aminosäure übersetzt werden. Dass solche synonymen ...
-
Frequentist estimation of the evolutionary history of sequences with substitutions and indels
High throughput sequencing technologies have permitted a wide range of scientists to observe an astonishing molecular diversity across all domains of life. Since all observed molecular sequences area result of a long evolutionary history, most informative inferences can be made only when analysing genomic sequences ...
Publikationen
-
Lardos, Andreas; Aghaebrahimian, Ahmad; Koroleva, Anna; Sidorova, Julia; Wolfram, Evelyn; Anisimova, Maria; Gil, Manuel,
2022.
Frontiers in Bioinformatics.
2(827207).
Verfügbar unter: https://doi.org/10.3389/fbinf.2022.827207
-
Nguyen, Huu-Giao; Lundström, Oxana; Blank, Annika; Dawson, Heather; Lugli, Alessandro; Anisimova, Maria; Zlobec, Inti,
2021.
Modern Pathology.
35, S. 240-248.
Verfügbar unter: https://doi.org/10.1038/s41379-021-00894-8
-
Delucchi, Matteo; Näf, Paulina; Bliven, Spencer; Anisimova, Maria,
2021.
Frontiers in Bioinformatics.
1(691865).
Verfügbar unter: https://doi.org/10.3389/fbinf.2021.691865
-
Verbiest, Max; Delucchi, Matteo; Bilgin Sonay, Tugce; Anisimova, Maria,
2021.
Frontiers in Bioinformatics.
1(685844).
Verfügbar unter: https://doi.org/10.3389/fbinf.2021.685844
-
Pecerska, Julija; Kühnert, Denise; Meehan, Conor J.; Coscollá, Mireia; de Jong, Bouke C.; Gagneux, Sebastien; Stadler, Tanja,
2021.
Quantifying transmission fitness costs of multi-drug resistant tuberculosis.
Epidemics.
36(100471).
Verfügbar unter: https://doi.org/10.1016/j.epidem.2021.100471