Forschungsschwerpunkt Bioinformatics
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
Im Zuge des Neuaufbaus der Forschungsdatenbank sind die bisherigen Listen mit Forschungsprojekten nicht mehr abrufbar. Die Zukunft geht in Richtung Volltextsuche und Filterung, um bestmögliche Suchergebnisse für unsere Besucher:innen zur Verfügung zu stellen.
In der Zwischenzeit kannst du die Projekte ganz einfach unter folgenden Link per Textsuche finden: «Zur neuen Suche in der Projektdatenbank»
Publikationen
-
Silov, Serhii; Zaburannyi, Nestor; Anisimova, Maria; Ostash, Bohdan,
2020.
The use of the rare TTA codon in Streptomyces genes : significance of the codon context?.
Indian Journal of Microbiology.
61(1), S. 24-30.
Verfügbar unter: https://doi.org/10.1007/s12088-020-00902-6
-
Ostash, Bohdan; Anisimova, Maria,
2020.
Visualizing codon usage within and across genomes : concepts and tools
.
In:
Srinivasa, K. G.; Siddesh, G. M.; Manisekhar, S. R., Hrsg.,
Statistical Modelling and Machine Learning Principles for Bioinformatics Techniques, Tools, and Applications.
Singapore:
Springer.
S. 213-288.
Algorithms for Intelligent Systems.
Verfügbar unter: https://doi.org/10.1007/978-981-15-2445-5_13
-
Tørresen, Ole K; Star, Bastiaan; Mier, Pablo; Andrade-Navarro, Miguel A; Bateman, Alex; Jarnot, Patryk; Gruca, Aleksandra; Grynberg, Marcin; Kajava, Andrey V; Promponas, Vasilis J; Anisimova, Maria; Jakobsen, Kjetill S; Linke, Dirk,
2019.
Nucleic Acids Research.
47(21), S. 10994-11006.
Verfügbar unter: https://doi.org/10.1093/nar/gkz841
-
Anisimova, Maria, Hrsg.,
2019.
Evolutionary genomics : statistical and computational methods.
Second Edition.
New York:
Humana.
Methods in Molecular Biology.
ISBN 978-1-4939-9073-3.
Verfügbar unter: https://doi.org/10.1007/978-1-4939-9074-0
-
Kosiol, Carolin; Anisimova, Maria,
2019.
.
In:
Anisimova, Maria, Hrsg.,
Evolutionary genomics : statistical and computational methods.
Humana.
S. 373-397.
Methods in Molecular Biology.
Verfügbar unter: https://doi.org/10.1007/978-1-4939-9074-0_12