Wir entwickeln praktische Lösungen an der Schnittstelle von Biologie, Medizin und Computerwissenschaften.
Über uns
Der Schwerpunkt Bioinformatik konzentriert sich auf theoretische und rechnerische Aspekte der Modellierung des Prozesses der Genomevolution und des adaptiven Wandels. Ziel ist Grundlagenforschung und neue Methoden der Bioinformatik in reale Anwendungen zu bringen, die zum Beispiel von der Biotechnologie bis zur biomedizinischen Forschung und Forensik reichen. Der Forschungsbereich ist in verschiedene Forschungsgruppen gegliedert, die jeweils auf gewissen Methoden oder Anwendungsdomänen fokussieren.
Unsere Forschungsgruppen
Computational Genomics
Die Forschungsgruppe ist auf Computergestützte Genomik und Modellierung stochastischer Prozesse in der molekularen Evolution spezialisiert: Statistische und computergestützte Methoden zur Analyse von proteinkodierenden Genen und Genfamilien, Selektion, Adaption, Phylodynamik und Evolution, einschliesslich Wirt-Pathogen-Interaktionen; Anwendungen in der medizinischen Genomik, Epidemiologie, Metagenomik und Forensik. Die Forschungsgruppe entwickelt rechnergestützte Methoden für die Genomanalyse, insbesondere zur Untersuchung von Repeat-Sequenzen und Indel Evolution (z.B. Anwendungen in der Krebsforschung und Biotechnologie) sowie zur Untersuchung der Dynamik und Evolution von Viren und anderen Pathogenen.
Leiterin: Prof. Dr. Maria Anisimova
Biomedical String Analysis
Die Forschungsgruppe ist auf die Analyse von Zeichenketten (Englisch "strings") spezialisiert. Die Forschungsprojekte und Anwendungen fokussieren sich auf genomische Daten und auf die natürliche Sprache im biomedizinischen Bereich. Die Gruppe entwickelt neuen Methoden in den Computational Sciences und setzt bestehende Methoden ein. Das umfasst: Mathematische Modellierung, Computational Statistics. Algorithmen Design, Diskrete Mathematik, Machine und Deep Learning, Natural Language Processing, Semantic Web Technologies.
Leiter: Dr. Manuel Gil | Erfahren Sie mehr über die Forschungsgruppe Biomedical String Analysis
Applied Mathematical Biology
Die Forschungsgruppe entwickelt mathematische Modelle und Methoden und wendet sie an der Schnittstelle zwischen Mathematik und offenen Forschungsfragen in der Biologie an. Zu den verwendeten Methoden gehören Standardkalkül, Differentialgleichungen, maschinelles Lernen und die Theorie dynamischer Systeme zur Beschreibung und Vorhersage biologischer Phänomene. Insbesondere untersucht die Gruppe die Beziehung zwischen Codon Usage Bias und Genexpression über das Konzept der translationalen Effizienz und wendet diese Erkenntnisse auf Codon-Optimierungsprobleme an. Weitere Interessen liegen in der Erforschung der Wechselwirkungen zwischen Krebs und Immunsystem und deren Vorhersagekraft für Krebsimmuntherapien sowie in der Populationsgenetik der frühen Infektionsphase von teilweise rekombinierenden Viren.
Leiter: Dr. Victor Garcia
Lehre
Der Schwerpunkt umfasst Lehrveranstaltungen auf BSc-, MSc- und PhD-Stufe in Computational Sciences mit Fokus Computational Genomics, Bioinformatik, mathematischer Modellierung, Biostatistik, Programmierung und Algorithmen für die Molekularbiologie.
Team Bioinformatics
Projekte
Leider kann hier momentan keine Liste der Projekte angezeigt werden. Bis die Liste wieder verfügbar ist, kann die Projektsuche auf der Dachseite der ZHAW genutzt werden.
Publikationen
-
Verbiest, Max; Lundström, Oxana; Xia, Feifei; Baudis, Michael; Bilgin Sonay, Tugçe; Anisimova, Maria,
2024.
Short tandem repeat mutations regulate gene expression in colorectal cancer.
Scientific Reports.
14(1), S. 3331.
Verfügbar unter: https://doi.org/10.1038/s41598-024-53739-0
-
Apsley, Abner T.; Domico, Emma R.; Verbiest, Max A.; Brogan, Carly A.; Buck, Evan R.; Burich, Andrew J.; Cardone, Kathleen M.; Stone, Wesley J.; Anisimova, Maria; Vandenbergh, David J.,
2023.
A novel hypervariable variable number tandem repeat in the dopamine transporter gene (SLC6A3).
Life Science Alliance.
6(4), S. e202201677.
Verfügbar unter: https://doi.org/10.26508/lsa.202201677
-
Verbiest, Max; Maksimov, Mikhail; Jin, Ye; Anisimova, Maria; Gymrek, Melissa; Bilgin Sonay, Tugce,
2022.
Journal of Evolutionary Biology.
36(2), S. 321-336.
Verfügbar unter: https://doi.org/10.1111/jeb.14106
-
Jowkar, Gholamhossein; Pecerska, Julija; Maiolo, Massimo; Gil, Manuel; Anisimova, Maria,
2022.
Systematic Biology.
72(2), S. 307-318.
Verfügbar unter: https://doi.org/10.1093/sysbio/syac050
-
Sima, Ana Claudia; Mendes de Farias, Tarcisio; Anisimova, Maria; Dessimoz, Christophe; Robinson-Rechavi, Marc; Zbinden, Erich; Stockinger, Kurt,
2022.
Distributed and Parallel Databases.
40(2), S. 409-440.
Verfügbar unter: https://doi.org/10.1007/s10619-022-07414-w