Unsere Forschung
Die Abteilung “Bioinformatik der Infektionsforschung” erforscht das menschliche Mikrobiom, virale und bakterielle Krankheitserreger und die Entwicklung einzelner Zelllinien innerhalb von Patienten durch die Analyse von großen biologischen und epidemiologischen Datensätzen mit rechnergestützten Verfahren. Basierend auf MetaOmik-, Populationsgenomischen und Einzellzell-Sequenzdaten erzeugen wir so Hypothesen zu Genen oder genetischen Veränderungen, die für das Entstehen einer Erkrankung, einer effektiven Immunantwort oder der Entwicklung von Antibiotikaresistenzen verantwortlich sind. Wir arbeiten mit experimentellen Partnern um diese Vorhersagen zu überprüfen und deren Translation in die medizinische Therapie oder Diagnostik zu fördern. Um unsere Forschungsziele zu erreichen, entwickeln wir auch neue Algorithmen und Software.
Unsere Forschung
Die Abteilung “Bioinformatik der Infektionsforschung” erforscht das menschliche Mikrobiom, virale und bakterielle Krankheitserreger und die Entwicklung einzelner Zelllinien innerhalb von Patienten durch die Analyse von großen biologischen und epidemiologischen Datensätzen mit rechnergestützten Verfahren. Basierend auf MetaOmik-, Populationsgenomischen und Einzellzell-Sequenzdaten erzeugen wir so Hypothesen zu Genen oder genetischen Veränderungen, die für das Entstehen einer Erkrankung, einer effektiven Immunantwort oder der Entwicklung von Antibiotikaresistenzen verantwortlich sind. Wir arbeiten mit experimentellen Partnern um diese Vorhersagen zu überprüfen und deren Translation in die medizinische Therapie oder Diagnostik zu fördern. Um unsere Forschungsziele zu erreichen, entwickeln wir auch neue Algorithmen und Software.
Prof. Dr. Alice McHardy
Alice Carolyn McHardy besitzt ein Diplom in Biochemie und einen Doktortitel (Dr. rer. nat.) in Bioinformatik, beides von der Universität Bielefeld in Deutschland. Von 2005 bis 2007 arbeitete sie zunächst als Postdoc und dann als festangestellte Mitarbeiterin in der Gruppe “Bioinformatics and Pattern Discovery” am IBM T.J. Watson Research Center in Yorktown Heights, USA.
Danach wurde sie Leiterin der unabhängigen Forschungsgruppe für "Computational Genomics and Epidemiology" am Max-Planck-Institut für Informatik in Saarbrücken. Im Jahr 2010 wurde sie auf den Lehrstuhl für Algorithmische Bioinformatik an der Heinrich-Heine-Universität in Düsseldorf berufen. Im Jahr 2014 übernahm sie die Leitung der Abteilung Bioinformatik der Infektionsforschung am Helmholtz-Zentrum für Infektionsforschung in Braunschweig und wurde als Professorin an die TU Braunschweig berufen.
Team
Software
Web Applications
Traitar is a web service for phenotyping bacteria based on their genome sequences.
PhyloPythiaS+ - a self-training method for the rapid reconstruction of low-ranking taxonomic bins from metagenomes
PhyloPythiaS - the PhyloPythiaS Web Server for Taxonomic Assignment of Metagenome Sequences.
Taxator-tk performs taxonomic sequence assignment by fast approximate determination of evolutionary neighbors from sequence similarities.
AdaPatch is a method for detecting positively selected patches of sites on the surface of viral proteins, which are likely candidates for being relevant for adaptive evolution.
Software Downloads
Software implementing the group’s research can be downloaded here or on GitHub at github.com/hzi-bifo, such as
SDplots: software for the detection of selective sweeps to monitor the adaptation of influenza A viruses
SDplots VaccineUpdates: results of the bi-annual vaccine strain prediction for influenza A viruses
PatchDetection: software for the detection of protein patches under positive selection
Phylogeography: software for phylogeographical reconstruction to infer origin and spread routes of viral pathogen outbreaks
FrechetTreeDistances: distances between phylogeographic reconstructions across tree topologies.
DiTaxa: nucleotide-pair encoding of 16S rRNA sequences for host phenotype and biomarker detection
CAMISIM: Simulating metagenomes and microbial communities
AMBER: Assessment of Metagenome BinnERs
OPAL: Open-community Profiling Assessment tooL
CAMITAX: Taxon labels for microbial genomes
Ausgewählte Publikationen
- Meyer, F., Fritz, A., Deng, Z. L., Koslicki, D., Lesker, T. R., Gurevich, A., Robertson, G., Alser, M., Antipov, D., Beghini, F., Bertrand, D., Brito, J. J., Brown, C. T., Buchmann, J., Buluç, A., Chen, B., Chikhi, R., Clausen, P., Cristian, A., Dabrowski, P. W., Darling, A. E., Egan, R., Eskin, E., Georganas, E., Goltsman, E., Gray, M. A., Hansen, L. H., Hofmeyr, S., Huang, P., Irber, L., Jia, H., Jørgensen, T. S., Kieser, S. D., Klemetsen, T., Kola, A., Kolmogorov, M., Korobeynikov, A., Kwan, J., LaPierre, N., Lemaitre, C., Li, C., Limasset, A., Malcher-Miranda, F., Mangul, S., Marcelino, V. R., Marchet, C., Marijon, P., Meleshko, D., Mende, D. R., Milanese, A., Nagarajan, N., Nissen, J., Nurk, S., Oliker, L., Paoli, L., Peterlongo, P., Piro, V. C., Porter, J. S., Rasmussen, S., Rees, E. R., Reinert, K., Renard, B., Robertsen, E. M., Rosen, G. L., Ruscheweyh, H. J., Sarwal, V., Segata, N., Seiler, E., Shi, L., Sun, F., Sunagawa, S., Sørensen, S. J., Thomas, A., Tong, C., Trajkovski, M., Tremblay, J., Uritskiy, G., Vicedomini, R., Wang, Z., Wang, Z., Wang, Z., Warren, A., Willassen, N. P., Yelick, K., You, R., Zeller, G., Zhao, Z., Zhu, S., Zhu, J., Garrido-Oter, R., Gastmeier, P., Hacquard, S., Häußler, S., Khaledi, A., Maechler, F., Mesny, F., Radutoiu, S., Schulze-Lefert, P., Smit, N., Strowig, T., Bremges, A., Sczyrba, A. & McHardy, A. C. Critical Assessment of Metagenome Interpretation: the second round of challenges. Nat Methods (2022) 19, 429, doi:10.1038/s41592-022-01431-4.
- Asgari, E., Münch, P. C., Lesker, T. R., McHardy, A. C.* & Mofrad, M. R. K.* (*shared last authors) DiTaxa: nucleotide-pair encoding of 16S rRNA for host phenotype and biomarker detection. Bioinformatics (2019) 35, 2498, doi:10.1093/bioinformatics/bty954.
- Bankwitz, D.*, Bahai, A.*, Labuhn, M., Doepke, M., Ginkel, C., Khera, T., Todt, D., Ströh, L. J., Dold, L., Klein, F., Klawonn, F., Krey, T., Behrendt, P., Cornberg, M., McHardy, A. C.* & Pietschmann, T*. (*shared first and last authors) Hepatitis C reference viruses highlight potent antibody responses and diverse viral functional interactions with neutralising antibodies. Gut (2021) 70, 1734, doi:10.1136/gutjnl-2020-321190.
- Fritz, A.*, Hofmann, P.*, Majda, S., Dahms, E., Dröge, J., Fiedler, J., Lesker, T. R., Belmann, P., DeMaere, M. Z., Darling, A. E., Sczyrba, A., Bremges, A. & McHardy, A. C. (*shared first authors) CAMISIM: simulating metagenomes and microbial communities. Microbiome (2019) 7, 17, doi:10.1186/s40168-019-0633-6.
- Münch, P. C., Franzosa, E. A., Stecher, B., McHardy, A. C.* & Huttenhower, C.* (*shared last authors) Identification of Natural CRISPR Systems and Targets in the Human Microbiome. Cell Host Microbe (2021) 29, 94, doi:10.1016/j.chom.2020.10.010.
Publikationen
Virale Pathogene
Bioinformatik der viralen Pathogene
Die Forschungsgruppe “Bioinformatik der Infektionsforschung” am HZI erforscht mit computergestützten Methoden sich schnell verändernde virale Pathogene wie z.B das Influenza Virus, Hepatitis Viren und menschliche Cytomegaloviren sowie deren Koevolution mit der adaptiven Immunantwort des Menschen. Ein besonderer Fokus unserer Arbeit liegt auf saisonalen Influenza A Viren, welche wir mit Hilfe von epidemiologischen, genetischen, antigenischen und strukturellen Informationen analysieren. Wir detektieren antigenisch relevante Regionen auf Proteinstrukturen und Aminosäureaustäusche um zu analysieren, wie sich diese Veränderungen auf die Fitness des Virus auswirken um die menschliche Immunantwort zu umgehen [1,3,5]. In Zusammenarbeit mit Infektionsbiologen vom HZI, der Medizinischen Hochschule Hannover und dem Deutschen Zentrum für Infektionsforschung (DZIF) untersuchen wir auch die Anpassung von Influenza Viren an neue Wirte und deren Fitnessveränderungen unter Selektionsdruck in Tiermodellen. Virale Pathogene wie das Hepatitis Virus und menschliche Cytomegaloviren können im Vergleich zu Influenza Viren chronische und Langzeitinfektionen verursachen. Zusammen mit unseren Kollaborationspartnern wollen wir die Evolution dieser Pathogene und die entsprechende adaptive Evolution des menschlichen Immunsystems innerhalb einzelner Patienten nachzuvollziehen. Hierdurch gewinnen wir neue Erkenntnisse über die Pathogen-Wirt Koevolution und Ergebnisse von translationaler Relevanz, wie z.B. für die Entwicklung von universellen Impfstoffen gegen Infektionen durch Hepatitis C Viren.
Insbesondere fokussieren wir uns auf folgende Themen:
- Computerbasierte Vorhersage von Impfstoffen für menschliche Influenza A Viren
- Bestimmung von viralen Epitopen, welche eine weitreichende Neutralisierung durch Antikörper hervorrufen können, zur Entwicklung eines universellen Impfstoffs gegen Hepatitis C Viren
- Rekonstruktion von viralen Haplotypen aus deep sequencing Daten
- Inferenz der viralen geographischen Ausbreitung mittels phylogeographischen Methoden
- Development of a universal vaccine against influenza viruses
SARS-COV-2 Ressourcen
VirusTracker
Hochaufgelöste Rekonstruktion der globalen Verbreitung von SARS-CoV-2 via Flugreisen anhand von genomischen und geographischen Daten bis Mitte Februar 2020 mit der Methode in (https://journals.plos.org/ploscompbiol/article?id=10.1371/journal.pcbi.1007101). Interaktive Visualisierungen durch Verwendung von https://nextstrain.github.io/auspice/ sind verfügbar unter https://corona.bifo.helmholtz-hzi.de/ncov2.
Mitarbeiter
- Akash Bahai
- Adrian Fritz
- Dr. Zhi-Luo Deng
- Thorsten Klingen
- Susanne Reimering
Kollaborationspartner
- Wulf Blankenfeldt, Department of Structure and Functions of Proteins, Helmholtz Centre for Infection Research (HZI), Braunschweig, Germany
- Mohammad Mofrad, Departments of Bioengineering and Mechanical Engineering, University of California, Berkeley, USA
- Gülsah Gabriel, Heinrich Pette Institute, Leibniz Institute for Experimental Virology, Hamburg, Germany
- Carlos Guzmán, Department of Vaccinology and Applied Microbiology, Helmholtz Centre for Infection Research (HZI), Braunschweig, Germany
- Thomas Pietschmann, Institute for Experimental Virology, Twincore Centre for Experimental and Clinical Infection Research, Hannover, Germany (DZIF collaboration)
- Thomas Schulz, Institute of Virology, Hannover Medical School (MHH), Hannover, Germany
- Klaus Schughart, Infection Genetics, Helmholtz Centre for Infection Research (HZI), Braunschweig, Germany
- Thomas Krey, Institute of Virology, Hannover Medical School (MHH), Hannover, Germany
Computergestützte Mikrobiom-Forschung
Ein Forschungsschwerpunkt der Abteilung ist die Erforschung mikrobieller Gemeinschaften, also von Bakterien, Viren und Eukaryonten, und deren.Bedeutung für die menschliche Gesundheit und Krankheit. Das menschliche Mikrobiom wird mit einer Vielzahl von Krankheiten in Zusammenhang gebracht und am HZI experimentell untersucht. Die direkte Sequenzierung des Metagenoms, -transkriptoms oder -proteoms mikrobieller Gemeinschaften ermöglicht die Erforschung von bislang unkultivierten Mikroben, welche die überwiegende Mehrheit der mikrobiellen Welt darstellen.
Die Forschung in BIFO konzentriert sich auf die Etablierung daten-basierter Ansätze, die eine individualisierte Infektionsmedizin in der Klinik weiter vorantreiben, z. B. die rechnergestützte Entdeckung von Biomarkern aus mikrobiellen Omics-Daten, d.h. Genotyp-Phänotyp- und Genotyp-Umgebungs-Inferenz, und die Entdeckung von molekularen Prädiktoren für Krankheitsverlauf und Erregerphänotypen. Darüber hinaus entwickeln wir neue Methoden zur Auswertung von gängigen Meta’omics Daten und fördern mit CAMI das Entstehen von Standards und Best Practices bei deren Auswertung.
Konkret beschäftigt sich die Abteilung aktuell mit den folgenden Fragestellungen:
- Können wir Biomarker für klinisch relevante Phänotypen mittels maschinellen Lernverfahren aus klinischen Mikrobiomdaten identifizieren und diese Phänotypen zuverlässig vorhersagen? Insbesondere interessant ist dies für die kostengünstig erzeugbaren 16S-Daten, die allerdings keine Informationen über das funktionelle Genrepertoire einer analysierten Probe liefern.
- Welche Software eignet sich besonders für die Prozessierung verschiedener Arten von Metagenomdatensätzen? Zusammen mit A. Sczyrba und T. Rattei gründete und organisiert A. McHardy CAMI, die „Initiative for the Critical Assessment of Metagenome Interpretation“, die sich für die Etablierung von Standards und best practices in der Metagenomanalyse einsetzt und Benchmarking-Wettbewerbe für Entwickler organisiert.
- Können wir die Genome einzelner Stämme aus metagenomischen Daten rekonstruieren? Hier arbeitet die Abteilung an neuen Verfahren für diese Fragestellung, die grosse Relevanz für die klinische Praxis hat, da einzelne Stämme sehr unterschiedliche Eigenschaften haben können (wie z.B. E. coli Nissle versus EHEC).
- Welche Spuren hinterlässt die Anpassung von mikrobiellen Gemeinschaften an ihr jeweiliges Ökosystem in deren Metagenom? Insbesondere interessiert uns dies für die humanen Mikrobiota und bei der Verbreitung von Antibiotikaresistenzen.
- Was können wir über die Rolle des mikrobiellen CRISPR-CAS-Systems im menschlichen Mikrobiom durch systematische Metagenomanalysen in Kombination mit Techniken des „Deep Learnings“ herausfinden?
Ausgewählte Publikationen
Mitarbeiter
- Dr. Fernando Meyer
- Dr. Ehsaneddin Asgari
- Dr. Till Robin Lesker
- Dr. Zhiluo Deng
- Adrian Fritz
- Philipp Münch
- Tzu-Hao Kuo
Kollaborationspartner
Aktuelle:
- Justin O’Grady & Gemma Kay, Quadram Institute, Norwich, UK
- Markus Cornberg, Hannover Medical School, Hannover, Germany
- Thomas Schulz, Hannover Medical School, Hannover, Germany
- Curtis Huttenhower, Harvard T.H. Chan School of Public Health, Boston, MA, U.S.
- Barbara Stecher, Medical Microbiology and Hospital Epidemiology, Max von Pettenkofer Institute, Ludwig Maximilian University of Munich, Munich, Germany
- Phil Pope and Vincent Eijsink, Norwegian University of Life Sciences, Aas, Norway
- Nadine Ziemert, Natural Product Genome Mining, Eberhard Karls University of Tübingen, Tübingen, Germany (DZIF collaboration)
- Alexander Sczyrba, Aaron Darling, Tanja Woyke…and the further CAMI initiative
- Till Strowig, Microbial Immune Regulation, Helmholtz Centre for Infection Research (HZI), Braunschweig, Germany
Ehemalige:
- Paul Schulze-Lefert, Max Planck Institute for Plant Breeding Research, Cologne, Germany
- Phil Pope and Vincent Eijsink, Norwegian University of Life Sciences, Aas, Norway
- Johannes Gescher, Institute of Applied Biosciences (IAB), Karlsruhe Institute of Technology (KIT), Karlsruhe, Germany
- Mark Morrison, CSIRO Livestock Industries, Queensland, Australia
- Jeffrey Gordon and Peter Turnbaugh, Center for Genome Sciences, Washington University, St. Louis, Missouri, USA
- Phil Hugenholtz, Australian Center for Ecogenomics, Queensland, Australia
- Isidore Rigoutsos, Computational Medicine Center, Thomas Jefferson University, Philadelphia, Pennsylvania, USA
- Andreas Brune, Research Group Leader, Department of Biogeochemistry, Max Planck Institute for Terrestrial Microbiology, Marburg, Germany
- Mila Chistoserdova, Department of Chemical Engineering, University of Washington, Seattle, Washington, USA
Machine Learning
Die Hochdurchsatz-Sequenzierung in Kombination mit Metagenomik hat Tausende neuer Bakterienarten direkt aus Proben ohne Isolierung oder Kultivierung aufgedeckt. Dies ermöglicht detaillierte Analysen der Funktionen von Vertretern mikrobieller Gemeinschaften sowie Studien über Mikroevolutionsprozesse, wie etwa die Anpassungen der Mikroorganismen an veränderte Umweltbedingungen. Auch können die Daten genutzt werden um die Diversität und Ausprägung bakterieller Phänotypen im Zusammenhang mit der Umwelt zu studieren. Diese Sequenzierungen haben zu einer riesigen Datenmenge geführt, die neuartige Methoden benötigen um Zusammenhänge zwischen bakterieller Gemeinschaften sowie menschlicher Gesundheit aufzudecken.
In diesem Forschungsschwerpunkt arbeiten wir an:
- Entwicklung neuartiger Methoden des maschinellen Lernens in Form von Softwarebibliotheken, die von der Forschung genutzt werden können.
- Entwicklung effizienter maschineller Lernmodelle, die die große Menge an unstrukturierten biologischen Sequenzdaten nutzen kann.
- Anwendung von Methoden des maschinellen Lernens auf mikrobielle Datensätze, um die Interaktion zwischen Bakterien und dem Wirtsorganismus zu analysieren (siehe Computational microbiome research).
- Entwicklung von maschinellen und Deep-Learning-Modellen zur Vorhersage der Eigenschaften von Molekülen und zur Identifizierung ihrer wichtigsten strukturellen Merkmale.
- Entwicklung von Methoden des maschinellen Lernens zur Vorhersage von B-Zell-Epitopen für die Epitopkartierung und die Entwicklung neuer Impfstoffe.
Laufende projekte sind unter anderem:
- GenomeNet - Ein tiefes neuronales Netzwerk für genomische Modellierung, halbüberwachte Klassifizierung und Imputation: Das GenomeNet-Projekt ist ein vom BMBF gefördertes gemeinsames Forschungsvorhaben des Helmholtz-Zentrums für Infektionsforschung und der Universität München in enger Zusammenarbeit mit der Harvard T.H. Chan School of Public Health. In diesem Projekt sollen maßgeschneiderte Deep-Learning-Netzwerkarchitekturen entwickelt werden, die sich besonders für die Modellierung von großen Nukleotidsequenzen eignen. Diese Netzwerke sollen dann auf bakterielle, virale und menschliche Genome angewendet werden, um die komplexen Strukturen, die dem Code des Lebens zugrunde liegen, zu verstehen. Diese Arbeit wird vom Bundesministerium für Bildung und Forschung gefördert (031L0199A)
- Lernen von Strukturen im CRISPR-Cas-System mit Hilfe von Deep-Learning-Architekturen: In diesem Projekt wenden wir statistische Modelle an, um strukturelle Eigenschaften von CRISPR-Kassetten zu spezifizieren. Diese Eigenschaften werden genutzt, um potenzielle Funktionen und deren Klassifizierung weiter zu beschreiben. Diese Arbeit wird von der Deutschen Forschungsgemeinschaft gefördert (405892038)
Ausgewählte Publikationen
Wissenschaftliche Mitarbeiter
- Philipp C. Münch
- René Mreches
- Dr. Ehsan Asgari
- Akash Bahai
- Kaixin Hu
- Giorgos Kallergis
In Zusammenarbeit mit
- Prof. Bernd Bischl, Ludwig Maximilian University of Munich
- Prof. Bärbel Stecher, Ludwig Maximilian University of Munich
- Prof. Curtis Huttenhower, Harvard School of Public Health
- Dr. Eric Franzosa, Harvard School of Public Health
- Volkswagen Lab
Laufende Projekte
2021 “NFDI4Microbiota - National Research Data Infrastructure for Microbiota Research” (DFG)
2021 “GHGA-Microbiota: Increasing the multimodal use of human and microbiome-related omics data” - GHGA Flex Funds Projekt (DFG)
2021 “Hepatitis C Control: Towards prophylaxis and identification of those in need of treatment” (DZIF) (BMBF)
2019 “Paving the way towards individualized vaccination (i.Vacc) - Exploring multi-omics Big Data in the general population based on a digital mHealth cohort” – Volkswagen Stiftung
2019 “Drug discovery and cheminformatics for new anti-infectives (iCA)” – Lower Saxony Doctoral Program
2019 “Rational design of a universal flu vaccine using recombinant neuraminidase” – Global Grand Challenges of the Bill & Melinda Gates Foundation
2019 “GenomeNet: A deep neural network for genomic modelling, semi-supervised classification and imputation” – Computational Life Sciences Call, Bundesministerium für Bildung und Forschung (BMBF)
2019 “RESIST - Resolving Infection Susceptibility“ – Exzellenzcluster 2155, Deutsche Forschungsgemeinschaft (DFG)
2018 “Learning structures in the CRISPR-Cas system using deep learning architectures” – SPP2141 Deutsche Forschungsgemeinschaft (DFG)
2017 “HiGHmed (Heidelberg-Göttingen-Hannover Medizininformatik)“ - Bundesministerium für Bildung und Forschung (BMBF)
2014 “TI Bioressourcen, Biodaten und digitale Gesundheit” (vorher: “TI Bioinformatics Platform“ - Deutsches Zentrum für Infektionsforschung (DZIF) (BMBF)
Abgeschlossene Projekte
2020 Corona VAC “Proof of concept study of a SARS-COV-2 vaccine based on recombinant spike protein“ - Niedersächsischen Ministerium für Wissenschaft und Kultur (MWK)
2017 “Sparse2Big: Data fusion and imputation from massive sparse data consortium” - Information and Data Science Initiative, Helmholtz Society
2017 “Bioinformatics support for the development of a prophylactic HCV vaccine candidate” - Deutsches Zentrum für Infektionsforschung (DZIF)
2017 “Communities Allied in Infection coalition" - Volkswagen Foundation
2016 “A Method for Tracking CRISPR/Plasmidome Dynamics in Complex Bacterial Communities“ – Research Grant, Deutsche Forschungsgemeinschaft (DFG)
2014 “Isolation and characterization of novel azidophilic archaea (with J. Gescher)” – Deutsche Forschungsgemeinschaft (DFG)
Weitere Gruppen der Abteilung Bioinformatik in der Infektionsforschung
(Epi)Genomik des Wirts - Dr. Andreas Klötgen
Hochdurchsatz Technologien wie Mikroarray-Chips oder Next-Generation Sequenzierung haben eine neue Grundlage für sogenannte Genomweite Assoziationsstudien in großen Patienten-Kohorten erschaffen. Diese haben unerwartet tiefe Einblicke in die Genomik, Transkriptomik und viele weitere Epigenetische Ursachen von Krankheiten erbracht.
Die transkriptionelle Regulation in einer Zelle ist ein vielschichtiger Prozess der nicht nur Transkriptions-Faktoren, sondern auch Histon-Modifikationen nukleäre Organisation und die Aktivität von cis-regulatorischen Elementen, umfasst. In unserer Arbeitsgruppe studieren wir die Interaktionen solcher Faktoren in Bezug auf Transkription in der immuanologischen Entwicklung und in Infektionskrankheiten 1. Dazu haben wir kürzlich Hi-C Daten (3D Chromatin Informationen) mit ChIP-Seq von Histon-Modifikationen und Chromatin-Regulatoren integriert, um die Zusammensetzung der Chromatin-Struktur in Leukämie zu bestimmen und weiterhin wie Therapien dieses komplexe Netzwerk beeinflussen 2. Dafür entwickeln wir neuartige computergestützte Analyse-Methoden, insbesondere aber auch um mit Daten neuer Technologien wie HiChIP Erkentnisse gewinnen zu können; diese haben uns erlaubt die Rolle von Klf4 in zellulärer Reprogrammierung zu verstehen 3.
Die Komplexität von Protein-Expression endet allerdings nicht bei der Regulation von Transkription. Posttranskriptionelle Modifikation und Regulierung umfasst dabei die Kontrolle der Stabilität von mRNAs oder der Translations-Rate einzelner mRNAs, und kann durch verschieden Techniken studiert werden 4. In unserer Arbeitsgruppe studieren wir die Effekte von RNA-bindenden Proteinen (RBPs) und projizieren miRNA Expression und Bindung im AGO2-Komplex auf mRNA Expression 5 mit der Hilfe von PAR-CLIP. Wir studieren ebenfalls die Effekte von RBPs auf mRNA Bindung und Einfluss auf deren Stabilität, und wie diese nachfolgend zelluläre Prozesse in Krankheiten beeinflussen 6. Dazu werden, wir in fast jedem bioinformatischen Forschungsfeld, kontinuierlich neue Methode benötigt und entwickelt, und dazu entwerfen und implementieren wir integrative Pipelines für verschiedenste Zwecke.
Unsere Forschung
- Wie können Chromatin-Regulator, Histon-Modifikationen und die Chromatin Organisation die komplexe Transkription in Immun-Zellen steuern? Können diese Merkmale eine Prädisposition für Infektions-Krankheiten beinhalten?
- Integration von RBP Informationen mit RNA-Seq oder miRNA-Seq um den direkten Einfluss von einzelnen RBPs auf die posttranskriptionelle Regulation zu erhalten
- Wie können Maschinelles Lernen oder Deep Learning integrative Prozesse von Genom- und Transkriptom-Daten unterstützen? Dazu entwickeln wir computergestützte Methoden um mit neuen oder eigens erzeugten Sequenzier-Daten umzugehen, um diese komplexen Daten aus verschiedenen Quellen zu integrieren, und um damit letztlich eine gesamte Übersicht von (post)transkriptioneller Gen-Regulation zu erhalten.
Ausgewählte Publikationen
- A. Kloetgen, P. Thandapani et al., 3D Chromosomal Landscapes in Hematopoiesis and Immunity. Trends Immunol. 2019 40: 809
- A. Kloetgen, P. Thandapani, P. Ntziachristos et al., Three-dimensional chromatin landscapes in T cell acute lymphoblastic leukemia. Nat Genet. 2020 52: 388
- D. C. Di Giammartino, A. Kloetgen, A. Polyzos A et al., KLF4 is involved in the organization and regulation of pluripotency-associated three-dimensional enhancer networks. Nat Cell Biol. 2019 21: 1179
- A. Kloetgen et al., Biochemical and bioinformatic methods for elucidating the role of RNA-protein interactions in posttranscriptional regulation. Brief Funct Genomics. 2015 14 :102
- K. Hezaveh, A. Kloetgen, S. H. Bernhart et al., Alterations of microRNA and microRNA-regulated messenger RNA expression in germinal center B-cell lymphomas determined by integrative sequencing analysis. Haematologica. 2016 101: 1380
- S. Duggimpudi, A. Kloetgen, S. K. Maney et al., Transcriptome-wide analysis uncovers the targets of the RNA-binding protein MSI2 and effects of MSI2's RNA-binding activity on IL-6 signaling. J Biol Chem. 2018 293: 15359
- A. Kloetgen et al., The PARA-suite: PAR-CLIP specific sequence read simulation and processing. PeerJ. 2016 4:e2619
Mitarbeiter
- Dr. Andreas Kloetgen
Kollaborationspartner
- Abel Viejo-Borbolla, MHH, Hannover, Deutschland
- Effie Apostolou, Weill Cornell Medicine, New York, USA
- Ari Melnick, Weill Cornell Medicine, New York, USA
- Tracy McGaha, Princess Margaret Cancer Centre, Toronto, Kanada
- Iannis Aifantis, NYU Langone Health, New York, USA
Stellenangebote
Die Forschungsgruppe “Bioinformatik der Infektionsforschung” freut sich über Bewerbungen auf allen Karrierestufen mit Abschlüssen oder Qualifikationen in den Fachgebieten:
- Bioinformatik
- Informatik
- Statistik
- Biomathematik
Wir suchen motivierte Bewerberinnen und Bewerber mit einem starken Hintergrund in den oben genannten Bereichen, guten Programmierkenntnissen und Interesse an interdisziplinärer Forschung in der Biologie und Infektionsforschung.
Methoden, die wir entwickeln oder mit denen wir arbeiten, sind aus den folgenden Fachbereichen:
- Bioinformatik
- Maschinelles Lernen und deep learning
- Phylogenetik und Populationsgenetik
Das Ziel unserer Projekte ist die Entwicklung von Algorithmen und computergestützten Methoden um das menschliche Mikrobiom, virale und bakterielle Pathogene sowie menschliche Zelllinien zu analysieren.
Unsere aktuell offenen Stellen sind unten gelistet. Initiativbewerbungen sind immer willkommen. Bitte senden Sie Ihre Bewerbung an
Bewerbung.
Unsere aktuellen Stellenangebote:
Projektmanager / wissenschaftliche Autorin/wissenschaftlicher Autor (w/m/d)
Deep Learning for Molecular Biology
Das Fachseminar "Deep Learning for Molecular Biology" ist eine Veranstaltung der Abteilung "Bioinformatik der Infektionsforschung" am HZI unter der Leitung von Prof. Alice McHardy.
Kick-off Meeting: 23rd Oktober 2024, 9.00h
Raum Kick-off Meeting: BRICS, Raum 107/108
Seminar Datum: TBA
Raumseminar: TBA
Max. Anzahl an Teilnehmer: 10
Sprache: Englisch
Modus: 30 Minuten Vortrag (mit Diskussion) + 3-5 Seiten schriftliche Ausarbeitung
Für Bachelor- und Master-Studierende der Informatik und Data Science
Voraussetzungen: Vertrautheit mit der Programmierung in Python und linearer Algebra (Matrix-/Vektor Multiplikationen)
Bei Fragen zum Seminar kontaktieren Sie bitte Mohammad Hadi Foroughmand Araabi.
Beschreibung: Tiefe neuronale Netzwerke haben kürzlich maschinelles Lernen revolutioniert und erreichen state-of-the-art Ergebnisse in fast allen zugehörigen Forschungsbereichen, einschließlich Computer Vision, maschinelle Sprachverarbeitung und Bioinformatik. Das Ziel dieses Seminars ist es, grundlegende Prinzipien von Deep Learning zusammen mit Implementierungen im Pytorch Framework zu behandeln. Wir werden die wichtigsten neuronalen Konstruktionen untersuchen, einschließlich Convolutional Neural Networks, rekurrente Neural Networks und Autoencoder, genauso wie Sprachmodell-basierte Methoden zum Lernen von Repräsentationen.
Themen:
- Tiefe neuronale Netze und Backpropagation
- Convolutional Neural Networks (CNN)
- Rekurrente neuronale Netze (RNN)
- Transformermodelle
Technologieangebote
Folgende Technologien wurden von der Abteilung Bioinformatik der Infektionsforschung entwickelt und zum Patent angemeldet:
Newsroom
