[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)

2020

Analyses of non-coding somatic drivers in 2,658 cancer whole genomes.
Rheinbay E, Nielsen MM, Abascal F, Wala JA, Shapira O, Tiao G, Hornshøj H, Hess JM, Juul RI, Lin Z, Feuerbach L, Sabarinathan R, Madsen T, Kim J, Mularoni L, Shuai S, Lanzós A, Herrmann C, Maruvka YE, Shen C, Amin SB, Bandopadhayay P, Bertl J, Boroevich KA, Busanovich J, Carlevaro-Fita J, Chakravarty D, Chan CWY, Craft D, Dhingra P, Diamanti K, Fonseca NA, Gonzalez-Perez A, Guo Q, Hamilton MP, Haradhvala NJ, Hong C, Isaev K, Johnson TA, Juul M, Kahles A, Kahraman A, Kim Y, Komorowski J, Kumar K, Kumar S, Lee D, Lehmann KV, Li Y, Liu EM, Lochovsky L, Park K, Pich O, Roberts ND, Saksena G, Schumacher SE, Sidiropoulos N, Sieverling L, Sinnott-Armstrong N, Stewart C, Tamborero D, Tubio JMC, Umer HM, Uusküla-Reimand L, Wadelius C, Wadi L, Yao X, Zhang CZ, Zhang J, Haber JE, Hobolth A, Imielinski M, Kellis M, Lawrence MS, von Mering C, Nakagawa H, Raphael BJ, Rubin MA, Sander C, Stein LD, Stuart JM, Tsunoda T, Wheeler DA, Johnson R, Reimand J, Gerstein M, Khurana E, Campbell PJ, López-Bigas N, PCAWG Drivers and Functional Interpretation Working Group, PCAWG Structural Variation Working Group, Weischenfeldt J, Beroukhim R, Martincorena I, Pedersen JS, Getz G, PCAWG Consortium
Nature 2020, 578(7793), 102-11
Dissecting the DNA binding landscape and gene regulatory network of p63 and p53.
Riege K, Kretzmer H, Sahm A, McDade SS, Hoffmann S, Fischer M
Elife 2020, 9, e63266
Pan-cancer analysis of whole genomes identifies driver rearrangements promoted by LINE-1 retrotransposition.
Rodriguez-Martin B, Alvarez EG, Baez-Ortega A, Zamora J, Supek F, Demeulemeester J, Santamarina M, Ju YS, Temes J, Garcia-Souto D, Detering H, Li Y, Rodriguez-Castro J, Dueso-Barroso A, Bruzos AL, Dentro SC, Blanco MG, Contino G, Ardeljan D, Tojo M, Roberts ND, Zumalave S, Edwards PA, Weischenfeldt J, Puiggròs M, Chong Z, Chen K, Lee EA, Wala JA, Raine KM, Butler A, Waszak SM, Navarro FCP, Schumacher SE, Monlong J, Maura F, Bolli N, Bourque G, Gerstein M, Park PJ, Wedge DC, Beroukhim R, Torrents D, Korbel JO, Martincorena I, Fitzgerald RC, Van Loo P, Kazazian HH, Burns KH, PCAWG Structural Variation Working Group, Campbell PJ, Tubio JMC, PCAWG Consortium
Nat Genet 2020, 52(3), 306-19
Tumor suppressor p53: from engaging DNA to target gene regulation.
Sammons*/** MA, Nguyen*/** TAT, McDade*/** SS, Fischer*/** M
Nucleic Acids Res 2020, 48(16), 8848-69 * equal contribution, ** co-corresponding authors
Elevated Hedgehog activity contributes to attenuated DNA damage responses in aged hematopoietic cells.
Scheffold A, Baig AH, Chen Z, von Löhneysen SE, Becker F, Morita Y, Avila AI, Groth M, Lechel A, Schmid F, Kraus JM, Kestler HA, Stilgenbauer S, Philipp M, Burkhalter MD
Leukemia 2020, 34(4), 1125-34
Proteomic analyses of muscle stem cells and their niche reveal novel factors affecting regeneration of skeletal muscle during aging
Schüler SC
Dissertation 2020, Jena, Germany
Stem Cell Aging: The Upcoming Era of Proteins and Metabolites.
Schüler* SC, Gebert* N, Ori A
Mech Ageing Dev 2020, 190, 111288 * equal contribution
Increased prostaglandin-D2 in male STAT3-deficient hearts shifts cardiac progenitor cells from endothelial to white adipocyte differentiation.
Stelling E, Ricke-Hoch M, Erschow S, Hoffmann S, Bergmann AK, Heimerl M, Pietzsch S, Battmer K, Haase A, Stapel B, Scherr M, Balligand JL, Binah O, Hilfiker-Kleiner D
PLoS Biol 2020, 18(12), e3000739
Butler enables rapid cloud-based analysis of thousands of human genomes.
Yakneen S, Waszak SM, PCAWG Technical Working Group, Gertz M, Korbel JO, PCAWG Consortium
Nat Biotechnol 2020, 38(3), 288–292
Comprehensive molecular characterization of mitochondrial genomes in human cancers.
Yuan Y, Ju YS, Kim Y, Li J, Wang Y, Yoon CJ, Yang Y, Martincorena I, Creighton CJ, Weinstein JN, Xu Y, Han L, Kim HL, Nakagawa H, Park K, Campbell PJ, Liang H, PCAWG Consortium
Nat Genet 2020, 52(3), 342-52