TRAIN Omics

Bioinformatik & Molekulare Datenwissenschaften

Auf dieser Webseite finden Sie eine Auflistung der Arbeitsgruppen mit Expertise in weiterführender Omics-Datenanalyse und -management im TRAIN Verbund, die ihre Expertise i.d.R. im Rahmen einer wissenschaftlichen Kooperation zur Verfügung stellen. Eine Liste mit Omics-Technologieplattformen und Core facilities des TRAIN Verbundes finden Sie hier. (Hinweis: Eine erste Datenprozessierung kann i.d. Regel auch durch die Omics-Technologieplattformen und Core facilities gewährleistet werden.) 

(Diese Seite befindet sich im Aufbau.)


Clinical Data Science

Peter L. Reichertz Institut für Medizinische Informatik (PLRI), Medizinische Hochschule Hannover (MHH)
Leitung: Prof. Dr. Helena U. Zacharias

Kompetenzen: (Multi-)Omics Datenanalyse mit Hilfe neuester Methoden des maschinellen Lernens; Entwicklung diagnostischer und prognostischer Biomarkersignaturen; (multi-)omics Datenintegration mittels probabilistischer graphischer Modelle; Metabolomics-Daten Vorprozessierung und Analyse sowie Interpretation; Entwicklung klinischer Entscheidungsunterstützungssysteme

Ansprechpartnerin: Prof. Dr. Helena U. Zacharias. Email verfassen

Abteilung in silico Toxicology

Fraunhofer ITEM
Leitung: Dr. Sylvia Escher

Kompetenzen: Mechanistische Daten aus in vitro und in vivo Experimenten wie z.B. transcriptome und metabolome Daten werden zunehmend für die Bewertung von Wirkmechanismen in der Hazard und Risikobewertung eingebunden. Die Abteilung in silico Toxikologie bietet die Auswertung von „omic“ Daten an. Qualitative Analysen zur Bestimmung des Wirkmechanismus sind möglich wie z.B. die Analyse differentiell exprimierten Gene, Signalweg Enrichment Analysen, Upstream Analysen, Protein-Protein Netzwerke; als auch quantitatve Analysen wie z.B. das Ableiten einer Wirkschwelle über Bench Mark Dose Modellierung.

Ansprechpartnerin: Dr. Sylvia Escher. Email verfassen

Abteilung Intelligente Datenanalyse/ Bioinformatik

Fraunhofer ITEM
Leitung: Prof. Dr. Lena Wiese 

Kompetenzen: Genealyzer: Web-Anwendung für die Analyse und den Vergleich von Genexpressionsdaten

Die Genexpressionsanalyse ist eine weit verbreitete Methode in Bereichen wie der Arzneimittelentwicklung oder der funktionellen Genanalyse. Microarray-Daten von Genexpressionsexperimenten stehen im Allgemeinen für retrospektive Analysen zur Verfügung und werden häufig genutzt. Aufgrund von Änderungen der zugrundeliegenden Technologien ist es jedoch häufig schwierig, die Datensätze verschiedener Technologien miteinander zu vergleichen, wodurch die Nutzung einer großen Menge bereits verfügbarer Daten erschwert wird. Die Web-Anwendung "Genealyzer" abstrahiert von mathematischen und programmtechnischen Informationen, um eine komfortable und anpassbare Analyse von Microarray-Daten für groß angelegte Reproduzierbarkeitsstudien zu ermöglichen. Zudem bietet die Web-Anwendung eine einfache Zugangsfunktion zu großen Microarray-Repositorys. 

Ansprechpartner: Prof. Dr. Lena Wiese. Email verfassen
 

Zentrum für Individualisierte Infektionsmedizin (CiiM)

Medizinische Hochschule Hannover, Helmholtz-Zentrum für Infektionsforschung
Leitung: Prof. Dr. Yang Li

Kompetenzen:  Analyse der genetischen Regulierung molekularer und immunologischer Phänotypen wie Genexpression, Metaboliten, Zytokinreaktionen nach Stimulation und Impfreaktionen etc.; Entwicklung von Berechnungsmethoden und -algorithmen, z. B. Kausalschluss und Dekonvolution; Integration von Multi-omics unter Verwendung von maschinellem Lernen und künstlicher Intelligenz zum Verständnis und zur Vorhersage von Krankheitsverläufen und Impfreaktionen; Einsatz von multimodaler Einzelzellgenomik und Spatial Genomics zur Untersuchung der genetischen Grundlagen und molekularen Wechselwirkungen, die komplexen und immunbezogenen Krankheiten zugrunde liegen.

Ansprechpartner:: Prof. Dr. Yang Li. Email verfassen

Institut für Tiergenomik, AG Bioinformatik

Stiftung Tierärztliche Hochschule Hannover
Leitung: Prof. Dr. Klaus Jung

Kompetenzen: Bioinformatisch-statistische Analysen/Modellierung von (Multi)-Omics-Daten; Differentielle Expressionsanalyse; GSEA; Co-Expressionsanalysen; Auswertung von Single-Cell RNA-seq; (Netzwerk-)-Meta-Analysen von Omics-Daten / Evidence-Synthese von Omics-Daten aus unabhängigen Quellen; Meta-genomische Analysen; Maschinelles Lernen / KI mit Omics-Daten; Statistische Analysen

Ansprechpartner: Prof. Dr. Klaus Jung. Email verfassen