Bioinformatik und Systembiologie des Alterns: Herr der Zahlen

Seit Januar 2016 forscht die Gruppe um Hans A. Kestler als assoziierte Forschungsgruppe in Kooperation mit der Universität Ulm.

Die wachsende Bedeutung der Molekularbiologie erfordert auch den Ausbau statistischer und mathematischer Methoden zur Analyse der Forschungsergebnisse. Insbesondere die Bioinformatik spielt hier eine große Rolle bei der Extraktion und Integration der zentralen Untersuchungsergebnisse von Hochdurchsatz-Experimenten. Die Systembiologie liefert darüber hinaus Ansätze zur Modellierung und Simulierung der Abläufe in biologischen Systemen.

Der Forschungsschwerpunkt der Kooperationsgruppe Bioinformatik und Systembiologie des Alterns um Hans A. Kestler befindet sich im Spannungsfeld zwischen Computerwissenschaft, Statistik und Lebenswissenschaften und fokussiert auf drei Bereiche:

• Statistische Verfahren und Datenbankauswertungen für Daten aus Hochdurchsatz-Analysen, v.a. Funktionsauswahl, Klassifikation und Clusterbildung
• Modellierung, Simulation und Analyse von regulatorischen Netzwerken, v.a. Differenzialgleichungen, Boole’sche und regelbasierte Ansätze
• Visualisierung und funktionelle Kommentierung

Bioinformatik

Die Etablierung von biomolekularen Hochdurchsatz-Technologien führt dazu, dass vielseitige Detaildaten für die Forschung zugänglich werden.  Die Vielzahl an Ansatzpunkten für ihre Untersuchung bei gleichzeitig geringer Anzahl der Proben stellt jedoch eine große Herausforderung für die Datenanalyse dar, die sich daher auf Methoden des maschinellen Lernens und statistische Verfahren zur Interpretation von Daten stützt. Beispielsweise fassen Clusteranalysen die Proben zu in sich homogenen Gruppen zusammen, und Techniken zur Funktionsselektion können Markierungsgene  identifizieren, die für die Unterscheidung bestimmter Phänotypen benötigt werden. Mit Klassifizierungsalgorithmen können dann die Phänotypen der Proben entsprechend dieser Analysen vorhergesagt werden.

Systembiologie

Die Interaktion zwischen Genen und Genprodukten sowie das Übersprechen von individuellen Signalpfaden führen zu einem enorm komplexen regulatorischen Netzwerk in Organismen, dessen Verständnis nicht mehr intuitiv ist. Je besser genetische Interaktionen erforscht sind, desto notwendiger werden daher mathematische Modellbildung und Simulationsverfahren für die Analyse dieser regulatorischen Netzwerke. Der Abstraktionsgrad bestimmt dabei die Detailgenauigkeit und Verständlichkeit der entstehenden Modelle. Unsere Forschung beschäftigt sich mit den sehr abstrakten Boole’schen Modellen sowie umfassenden Differenzialgleichungsmodellen.