Omics, Datenanalyse und -integration
Über
Die Forschungsgruppe Omics Datenanalyse und -integration untersucht die molekularen Mechanismen der Entstehung von Pflanzenphänotypen mit Hilfe einer groß angelegten Datenintegration auf genomischer, transkriptomischer, metabolomischer und phänomischer Ebene. Wir wenden maschinelles Lernen und Graphentheorie auf Big Data an, um neue Genfunktionen und Wechselwirkungen zwischen Genen, Metaboliten und Phänotypen zu entdecken.
Forschungsthemen
Während die fortschrittlichen Analyseplattformen, darunter NGS, Umweltsensoren, Hochdurchsatz-Bildgebung oder Massenspektrometrie, eine noch nie dagewesene Tiefe der Charakterisierung jeder einzelnen Pflanze ermöglichen, bleibt die Frage nach dem Potenzial eines bestimmten Genotyps, ein bestimmtes phänotypisches Merkmal aufzuweisen, entweder unbeantwortet oder ist rein empirisch. Dies steht in direktem Zusammenhang mit den sehr begrenzten Informationen über die molekularen Auswirkungen genetischer Variationen und deren Ausbreitung durch molekulare Netzwerke.
Daher liegt unser Forschungsschwerpunkt auf der Entwicklung und dem Training von interpretierbaren Deep-Learning-Modellen, die mehrere Aspekte der DNA-Sequenzinformationen mit ihren Auswirkungen auf molekularer und Makroebene verknüpfen. Unser besonderes Interesse gilt den Nutzpflanzen, für die wir quantitative Zusammenhänge zwischen genetischer Variation, Genregulation, Stoffwechsel und Qualitätsmerkmalen von Nutzpflanzen rekonstruieren, indem wir Ansätze der quantitativen Genetik mit maschinellem Lernen verbinden.
Homepage: szymanskilab.com