Abteilung Bioinformatik der Genomik und Systemgenetik
Prof. Dr. Oliver Stegle
Illustration eines statistischen Modells für die Integration von mehreren Omics-Datensätzen. Multi?Omics Factor Analysis (MOFA) ist ein Rahmensystem, um die wichtigsten Achsen biologischer und technischer Variation in mehreren Omics-Daten aufzudecken.
© dkfz.de
Ziel unserer Forschung ist es, Zusammenhänge zwischen genomischer Variation und Phänotypen zu entschlüsseln. Wir untersuchen hierbei die Mechanismen, über die genetische Faktoren und Umwelteinflüsse auf molekulare Phänotypen in Geweben und in einzelnen Zellen wirken.
Um diese Fragen zu beantworten, benutzen wir Verfahren, die auf statistischer Inferenz und maschinellem Lernen basieren. Wir entwickeln beispielsweise statistische Modelle, um technische und biologische Störfaktoren in der Analyse von hochdimensionalen „omics-Daten“ zu berücksichtigen. Ein Schwerpunkt sind hierbei Methoden für die Integration von genetischen Faktoren und „Multiomics“ in der Biomedizin.
Future Outlook
Wir entwickeln künftig statistische Verfahren für die Auswertung von Hochdurchsatzdaten. Ein Schwerpunkt sind hierbei Methoden, um genetische und genomische Variation in einzelnen Zellen zu studieren. Dabei untersuchen wir, wie unterschiedliche Omics auf Einzelzellebene integriert werden können. Diese Ziele verfolgen wir als aktiver Partner innerhalb des internationalen Human Cell Atlas Projekts (https://www.humancellatlas.org).
