Department Integrative Bioinformatik
Im Department Integrative Bioinformatik fokussieren wir uns auf die Entwicklung, Anwendung und Integration von bioinformatischen, systembiologischen und datenwissenschaftlichen Verfahren, um mechanistisches Verständnis in der Toxikologie und Umwelt-Gesundheit zu vertiefen. Dieses Wissen verwenden wir zur Entwicklung von Vorhersageverfahren.
Insbesondere haben wir folgende Forschungsziele:
1) Nachteilige (adverse) Mechanismen durch Kombination von bioinformatischen und systembiologischen Verfahren aufzuklären
- Integration von (multi)-omics Daten, um eine Verknüpfung mit Adverse Outcome Pathways (AOPs) herzustellen oder diese anzupassen
- Adverse Effekte von Mischungen auf Basis von Signalwegswissen vorherzusagen
- Die Verwendung von Einzelzell-Omics-Verfahren, um zelltyp-spezifische Effekte und regulatorische Mechanismen aufzuklären
- Die Rolle von nicht-protein-kodierenden RNAs (ncRNAs) in adversen Prozessen zu verstehen
2) Methoden zu entwickeln, die die Compliance mit Reproducible Research Prinzipien erleichtern
3) Methoden der künstlichen Intelligenz (KI) zur Vorhersage in der Toxikologie und Bioinformatik zu entwickeln
- Deep Learning Methoden zu implementieren, beispielsweise Graph Neural Networks (GNN), Variational (adversarial) Autoencoders (VAE), Long Short-Term Memory Networks (LSTM)
- Prinzipien von erklärbarer KI und der Quantifizierung von Unsicherheit in unseren Ansätzen umzusetzen
4) Die Entwicklung von Wissensrepräsentations-, Datenintegrations- und Anreicherungsverfahren
- Um Vorhersage und Assessment auf der Ebene des chemischen Umwelt zu ermöglichen
- Um Hypothesen zu generieren, welche Substanzen, oder Mischungen besondere Berücksichtigung in Monitoring-, umweltepidemiologischen oder Proof of Concept Studien erfahren sollten.