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.
Leiterin: Prof. Dr. Maria Anisimova
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.
Leiter: Dr. Manuel Gil | Erfahren Sie mehr über die Forschungsgruppe Biomedical String Analysis
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.
Leiter: Dr. Victor Garcia
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
Projekte
- Seite 01
- Seite 02
- Seite 03
- Seite 04
- Nächste Seite
-
AI for colorectal cancer: towards the improved CMS classification and interpretability
Access to large complex biomedical data today allows scientists to take full advantage of AI-driven approaches in a variety of applications with high societal impact. One such application is precision medicine, which is gradually becoming reality for some cancers. Unfortunately, for colorectal cancer (CRC) ...
-
Inferring Ancestral Insertion and Deletion Events in Genomic Sequences
The Joint Alignment and Tree Inference (JATI) project is a main pillar of the Applied Computational Genomics Team (ACGT). Its long-term aim is the joint inference of all parameters of current models of molecular sequence evolution (i.e. phylogenetic tree, homology mapping, ancestral ...
-
Computational Literature-based Discovery Methods
Literature-based discovery (LBD) is a research field aiming at discovering new, implicit knowledge from the literature. Its basic assumption is that two concepts A and C that do not occur in the same article can be connected via some other terms B, which can imply a new meaningful relation between A and C. In this ...
-
Digitale Werkzeuge zur Codonoptimierung
Dieses Projekt schlägt vor, mathematische Modelle zu entwickeln, zu untersuchen und anzuwenden, um die Proteinproduktion eines Gens, das aus einem Organismus stammt, in einem anderen Organismus zu optimieren. Diese Modelle werden sowohl die Kosten von Nonsense-Fehlern als auch die ribosomalen Overhead-Kosten ...
-
Dynamik Knowledge Platform
Die ‘Dynamik Knowledge Platform’ ist eine Plattform, welche einen Überblick gibt, wer sich an der ZHAW (im Moment nur LSFM) mit welchen Themen befasst, wer in welchen Fachgebieten über Wissen verfügt und wer schon Projekte in welchen Gebieten durchgeführt hat oder Publikationen dazu verfasst hat. Dazu wurden die an ...
Publikationen
-
Zoller, Stefan; Boskova, Veronika; Anisimova, Maria,
2015.
Maximum-likelihood tree estimation using codon substitution models with multiple partitions.
Molecular Biology and Evolution.
32(8), S. 2208-2216.
Verfügbar unter: https://doi.org/10.1093/molbev/msv097
-
Gil, Manuel; Anisimova, Maria,
2015.
Methodologies for phylogenetic inference
.
In:
Encyclopedia of life sciences.
Hoboken:
Wiley.
Verfügbar unter: https://doi.org/10.1002/9780470015902.a0025545
-
2015.
Next generation comparative phylogenomics.
In:
StarOmics Symposium, Geneva, 2015.
-
Anisimova, Maria; Pečerska, Jūlija; Schaper, Elke,
2015.
Statistical approaches to detecting and analyzing tandem repeats in genomic sequences.
Frontiers in Bioengineering and Biotechnology.
3(31).
Verfügbar unter: https://doi.org/10.3389/fbioe.2015.00031
-
Anisimova, Maria; Gatti, Lorenzo; Gil, Manuel; Maiolo, Massimo,
2015.
The SIB Swiss Institute of Bioinformatics’ resources : focus on curated databases.
Nucleic Acids Research.
44(D1), S. D27-D37.
Verfügbar unter: https://doi.org/10.1093/nar/gkv1310