Herwig Lab / Projektgruppe Bioinformatik

Unsere Arbeitsgruppe entwickelt computergestützte Methoden zur Analyse molekularer Daten – häufig in gemeinschaftlichen Forschungsprojekten mit Bezug auf Krankheiten (z.B. Krebs, Diabetes) – und befasst sich mit der Integration und Interpretation dieser Daten vor dem Hintergrund biologischer Netzwerke.

Moderne Hochdurchsatzverfahren wie Sequenzierung und Proteomik bieten uns völlig neue Möglichkeiten bei der Entwicklung von Datenanalysemethoden. Der Zugang zur Interpretation dieser Daten vor dem Hintergrund von Volkskrankheiten wie Krebs oder Diabetes erfolgt nicht mehr nur am einzelnen Gen oder Protein, sondern im Zusammenspiel mit allen anderen Genen, die in der Zelle funktionell aktiv sind. Durch Berücksichtigung der zugrundeliegenden, molekularen Netzwerke bei der Datenanalyse können Defekte und Funktionsstörungen in den Genen, verursacht etwa durch Mutationen oder epigenetische Änderungen, auf ihren Effekt im zellulären Interaktionsnetzwerk hin untersucht werden und somit die zugrundeliegenden Krankheitsprozesse identifiziert und besser verstanden werden. Dies hat Auswirkungen auf viele Anwendungsbereiche der Bioinformatik, wie z.B. der personalisierten Medizin, der Medikamentenentwicklung und der Toxizität von Medikamenten.

  • Wir haben u.a. rechnergestützte Verfahren für RNA-Seq und MeDIP-Seq entwickelt und arbeiten an der integrierten Analyse dieser Daten, um das Zusammenspiel von DNA-Methylierung, Genexpression und Genomstruktur aufzuklären. Damit versuchen wir, neue Biomarker für die Diagnostik und Therapie bei Volkskrankheiten zu identifizieren.
  • Wir entwickeln neue Methoden zur Identifizierung von Transkripten aus modernen Hochdurchsatzverfahren der 3. Generation (PacBio - IsoSeq), um RNA-Splicing und dessen Auswirkungen auf Krankheitsprozesse besser zu verstehen.
  • Wir entwickeln Methoden des Machine Learnings, um z.B. aus genotypischen, molekularen Merkmalen von Patienten den Erfolg von Therapien vorherzusagen oder Subtypen dieser Krankheiten zu identifizieren, die dann besser therapiert werden können.
  • Wir entwickeln neue Methoden zur Netzwerkanalyse, um genotypische Daten mit den beobachteten Phänotypen zu assoziieren und Effekte von Therapien auf das zelluläre Interaktionsnetzwerk besser beschreiben zu können.
  • Als zentrale Ressource für die Interpretation der molekularen Daten vor dem Hintergrund molekularer Netzwerke haben wir die ConsensusPathDB entwickelt, eine Meta-Datenbank für molekulare Interaktionen und deren Analyse, die der Community zur Verfügung steht und seit Jahren breit genutzt wird (>1.500 Zitierungen in wissenschaftlichen Publikationen).

Weitere Informationen finden Sie auf unserer englischsprachigen Seite.

 

Zur Redakteursansicht