EN
DE
Home>Forschung>Teilbereich 5: Systembiologie und Bioinformatik des Alterns
[Translate to deutsch:] Research focus of Subarea 5.

Teilbereich 5: Systembiologie und Bioinformatik des Alterns

Teilbereich 5 konzentriert sich auf die Entwicklung von Methoden zur Analyse und zum Verständnis komplexer biologischer Systeme. Diese Arbeit umfasst das Design von Computeralgorithmen und biostatistischen Ansätzen sowie die Entwicklung neuer Omics- Strategien (z.B. Genomik/Epigenomik, Transkriptomik, Proteomik und Metabolomik) zur Untersuchung des Alterns und von alternsbedingten Krankheiten.

Aufgrund seiner Expertise in der rechnergestützten Datenanalyse ist der Teilbereich 5 eng mit allen anderen Teilbereichen verbunden, beinhaltet zwei wichtige Serviceeinrichtungen (Life Science Computing, Proteomics) und bietet Beratung im Bereich Statistik an. Darüber hinaus organisiert der Bereich Kurse zur Datenanalyse und Statistik.

Die Forschung wird durch fünf Schwerpunktbereiche definiert:

  • Abbildung extrinsischer und intrinsischer Faktoren, die die Stammzellen während des Alterns beeinflussen,
  • Integration von raumzeitlichen Proteomik- und Transkriptomikdaten,
  • Umfassende Bewertung von qualitativen und quantitativen Expressionsveränderungen,
  • Identifizierung und Analyse von epigenomischen Veränderungen im Alter und altersbedingten Veränderungen,
  • Netzwerkanalyse von genomischen, transkriptomischen und epigenomischen Veränderungen während des Alterns.

Forschungsfokus Teilbereich 5

Die Biologie des Alterns ist ein vielschichtiges Zusammenspiel von Netzwerken auf organischer, zellulärer, molekularer und genetischer Ebene. Mit der Etablierung des Teilbereichs „Systembiologie und Bioinformatik des Alterns“ will das FLI der Komplexität dieses Zusammenspiels gerecht werden. Ziel ist es, die Forschung in den Bereichen 1-4 bestmöglich zu verknüpfen, indem Netzwerkdaten von unterschiedlichen systemischen Ebenen zusammengeführt und so Mechanismen und Zusammenhänge aufgezeigt werden, die in einer Einzelbetrachtung unentdeckt geblieben wären.

Publikationen

(seit 2016)

2018

  • Rank-based classifiers for extremely high-dimensional gene expression data
    Lausser* L, Schmid* F, Schirra* LR, Wilhelm AFX, Kestler HA
    ADV DATA ANAL CLASSI 2018, 12(4), 917–936 * equal contribution
  • Quantifying compartment-associated variations of protein abundance in proteomics data.
    Parca L, Beck M, Bork P, Ori A
    Mol Syst Biol 2018, 14(7), e8131
  • RBFOX2 and alternative splicing in B-cell lymphoma.
    Quentmeier H, Pommerenke C, Bernhart SH, Dirks WG, Hauer V, Hoffmann S, Nagel S, Siebert R, Uphoff CC, Zaborski M, Drexler HG, ICGC MMML-Seq Consortium
    Blood Cancer J 2018, 8(8), 77
  • Higher gene expression stability during aging in long-lived giant mole-rats than in short-lived rats.
    Sahm A, Bens M, Henning Y, Vole C, Groth M, Schwab M, Hoffmann S, Platzer* M, Szafranski* K, Dammann* P
    Aging (Albany NY) 2018, 10(12), 3938-56 * equal contribution
  • Long-lived rodents reveal signatures of positive selection in genes associated with lifespan.
    Sahm A, Bens M, Szafranski K, Holtze S, Groth M, Görlach M, Calkhoven C, Müller C, Schwab M, Kraus J, Kestler HA, Cellerino A, Burda H, Hildebrandt T, Dammann P, Platzer M
    PLoS Genet 2018, 14(3), e1007272
  • A Boolean network of the crosstalk between IGF and Wnt signaling in aging satellite cells.
    Siegle* L, Schwab* JD, Kühlwein* SD, Lausser L, Tümpel S, Pfister AS, Kühl** M, Kestler** HA
    PLoS One 2018, 13(3), e0195126 * equal contribution, ** co-senior authors
  • NUFIP1 is a ribosome receptor for starvation-induced ribophagy.
    Wyant* GA, Abu-Remaileh* M, Frenkel EM, Laqtom NN, Dharamdasani V, Lewis CA, Chan SH, Heinze I, Ori** A, Sabatini** DM
    Science 2018, 360(6390), 751-8 * equal contribution, ** co-corresponding authors

2017

  • Tissue-, sex- and age-specific DNA methylation of rat glucocorticoid receptor gene promoter and insulin like growth factor 2 imprinting control region.
    Agba OB, Lausser L, Huse K, Bergmeier C, Jahn N, Groth M, Bens M, Sahm A, Gall M, Witte OW, Kestler HA, Schwab M, Platzer M
    Physiol Genomics 2017, 49(11), 690-702 APSselect for distinction in scholarship in the Physiological Genomics
  • What have we learned on aging from omics studies?
    Cellerino A, Ori A
    Semin Cell Dev Biol 2017, 70, 177-89
  • Architecture of the yeast Elongator complex.
    Dauden MI, Kosinski J, Kolaj-Robin O, Desfosses A, Ori A, Faux C, Hoffmann NA, Onuma OF, Breunig KD, Beck M, Sachse C, Séraphin B, Glatt S, Müller CW
    EMBO Rep 2017, 18(2), 264-79