MDCK-MRP2 - Dkfz
MDCK-MRP2 - Dkfz
MDCK-MRP2 - Dkfz
Erfolgreiche ePaper selbst erstellen
Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.
142<br />
Forschungsschwerpunkt B<br />
Funktionelle und Strukturelle Genomforschung<br />
Abteilung Theoretische Bioinformatik (B080)<br />
Leiter: Dr. Roland Eils<br />
Wissenschaftler<br />
Dr. Benedikt Brors (- 12/05) Martin Bentele (IWR) (10/02-8/04)<br />
Alla Bulashevska (4/02 - 6/04) Svetlana Bulashevska (- 6/04)<br />
Christian Conrad (- 6/04) Jürgen Eils (10/02 - 6/04)<br />
Daniel Gerlich (- 6/02) Dr. Martin Granzow (- 6/02)<br />
Patrick Herde (11/02 - 6/03) Bernd Kalbfuß (7 - 10/03)<br />
Constantin Kappel (11/03-) Dr. Thomas Kochmann (- 9/02)<br />
Dr. Rainer König (- 6/05) Dr. Olga Krebs (- 6/03)<br />
Chris Lawerenz (4/03 - 6/04) Dr. Julian Mattes (- 8/03)<br />
Falk Schubert (- 10/04) Dr. Wolfgang Tvarusko (1/02-9/03)<br />
Dr. Dietmar Volz (- 4/03) Marco Weismüller (- 12/03)<br />
Dr. Jan Wiemer (1 - 9/02)<br />
Gastwissenschaftler<br />
Dr. Vijayraghavan Sundararajan (8/01 - 10/02) (Indien)<br />
David Camacho (4/03 - 3/04) (Doktorand aus Mexico)<br />
Doktoranden<br />
Chaitanya Athale (- 8/03) Christian Bacher (1/03 - 12/05)<br />
Gaëlle Dubios (- 12/03) Stefan Frank (5/03 - 11/05)<br />
Juntao Gao (- 10/04) Matthias Gebhard (- 12/03)<br />
Joshua Allen Moore (9/02 - 8/04) Markus Ulrich (8/03 - 6/04)<br />
Ming Xu (11/02 - 4/03)<br />
Diplomanden<br />
Martin Eigel (5/02 - 10/03) Armin Groll (- 7/02)<br />
Jasmin Müller (- 12/02) Patrick Warnat (3 - 11/03)<br />
Technische Assistenten<br />
Johannes Fieres (- 9/02; 7 - 12/03)<br />
Karlheinz Groß Rolf Kabbe (- 6/04)<br />
Praktikanten<br />
Bernd Kalbfuß (- 7/02) Eva Kowalinski (11/03 - 2/04)<br />
Sairam Manda (7 - 12/03) Janna Nawroth (2 - 6/03)<br />
Bernhard Tausch (11/02 - 8/03)Corinne Wacker (11/02 - 5/03)<br />
Wolfgang Weiss (- 10/02) Sven Wichert (9 - 11/02)<br />
Sekretariat<br />
Christina Grosch (- 6/04)<br />
Die Gruppe “Theoretische Bioinformatik” beschäftigt sich<br />
mit der Entwicklung und Anwendung von Methoden aus<br />
der Bioinformatik und der computergestützten Biologie<br />
sowie Onkologie. Die Forschungsgebiete von größtem<br />
Interesse schließen ein:<br />
a) Data Mining in der molekularen Genetik<br />
b) Datenbank und Datenmanagement<br />
c) Grid-Computing<br />
d) Modellierung und Simulation zellulärer Systeme<br />
e) Biomedizinische Bildverarbeitung unter Verwendung<br />
von geometrischen und dynamischen Modellen<br />
Die Entwicklung von computergestützten Methoden zur<br />
Analyse komplexer Daten in der molekularen Biologie als<br />
auch die Entwicklung von Modellen und computerbasierten<br />
Methoden in der Zellbiologie ist somit zentraler Gegenstand<br />
unserer Abteilung, die sich im Jahr 2000 am<br />
DKFZ etablierte.<br />
Die zentralen Ergebnisse der Gruppe enthalten auch<br />
mehrere patentierte Software-Systeme, z.B. zum wissensbasierten<br />
Data Mining im Life Science Bereich, zur<br />
voll automatisierten Diagnostik in der molekularen<br />
Zytogenetik und zum Studium von dynamischen Prozessen<br />
in lebenden Zellen. Die Gruppe kollaboriert aktiv mit<br />
verschiedenen Partnern, um die aufgebauten Systeme<br />
anzuwenden bzw. zu vermarkten.<br />
Abteilung B080<br />
Theoretische Bioinformatik<br />
DKFZ 2004: Wissenschaftlicher Ergebnisbericht 2002 - 2003<br />
1. Data Mining in der molekularen Genetik<br />
B. Brors, A. Bulashevska, S. Bulashevska, G. Dubois,<br />
M. Granzow, A. Groll, T. Kochmann, J. Müller,<br />
F. Schubert, B. Tausch, P. Warnat, J. Wiemer, R. Eils<br />
Kooperationen: Prof. Dr. T. Chakraborty, Institut für Medizinische<br />
Mikrobiologie, Universität Giessen; PD Dr. Torsten Haferlach,<br />
Leukämie-Diagnostiklabor, Universitätsklinikum Großhadern,<br />
München; Dr. Stefan Joos, Abt. Molekulare Genetik, DKFZ; Prof.<br />
Dr. Panthel, Institut für Tumorbiologie, Universitätsklinikum Hamburg-Eppendorf;<br />
PD Dr. Gunhild Mechtersheimer, Pathologie, Universitätsklinikum<br />
Heidelberg; Dr. Christoph Klein, Institut für<br />
Immunologie, Ludwig-Maximilians-Universität München; Prof. Dr.<br />
G. Kovacs, Chirurgische Universitätsklinik Heidelberg; PD Dr. R.<br />
Kronenwett, Klinik für Hämatologie, Onkologie und Klinische<br />
Immunologie, Universität Düsseldorf; Prof. Dr. Lichter, Abt. Molekulare<br />
Genetik, DKFZ; Prof. Dr. Manfred Löhr, Innere Medizin,<br />
Universitätsklinikum Mannheim; Prof. Dr. Christoph Niehrs, Abt.<br />
Molekulare Embryologie, DKFZ; Prof. Walter Pyerin, Abt. Biochemische<br />
Zellphysiologie, DKFZ; Prof. Dr. Guido Sauter, Universität<br />
Basel, Schweiz; Prof. Dr. B. Schlegelberger, Mol. Pathologie, MH<br />
Hannover; Dr. Alexander Schramm, Pädiatrische Onkologie,<br />
Tumorzentrum, Universität Essen; Prof. Dr. F. Speleman, Mol. Cytogenetics,<br />
Universitair Ziekenhuis, Gent, Belgien; Dr. C. Thiede,<br />
Innere Medizin, Universitätsklinikum Dresden; Dr. F. Westermann,<br />
Abt. Cytogenetik, DKFZ; phase-IT intelligent solutions AG,<br />
Heidelberg; Boehringer Ingelheim Österreich.<br />
Moderne molekulare Methoden in der Biologie und Medizin<br />
produzieren Daten, die allein durch ihren Umfang die Unterstützung<br />
aus der Informatik erfordern. Computerbasierte<br />
Methoden wurden bisher für Sequenzdaten entwickelt,<br />
während die Unterstützung der Auswertung von DNA-<br />
Chips, Proteomanalysen durch 2D-Gelelektrophorese oder<br />
Massenspektrometrie, vergleichender genomischer Hybridisierung<br />
(CGH), Mehrfarben-Fluoreszenz-In-Situ-Hybrisisierung<br />
(MFISH), Loss-Of-Heterozygosity Analysen (LOH) und<br />
Einzel-Nukleotidpolymorphismen (SNP) weiterhin eine<br />
große Herausforderung für die Bioinformatik darstellt.<br />
Ziel unseres Projektes ist es, Methoden aus der Statistik<br />
und dem Data Mining für diese Daten zu adaptieren bzw.<br />
weiterzuentwickeln. Insbesondere streben wir nach Methoden,<br />
die uns Verbindungen zwischen solchen molekulargenetischen<br />
Daten und klinischen Informationen wie Tumorgröße<br />
bzw. Tumorgrad, Krankheitsentwicklung und Ansprechbarkeit<br />
auf Chemotherapie aufzeigen.<br />
Data Mining steht in Beziehung zu Methoden, Techniken<br />
und Werkzeugen aus der Informatik und Statistik, wie z.B.<br />
Datenbanken, Modellierung, maschinellen Lernverfahren,<br />
Visualisierungen, statistischen Tests und wissensbasierten<br />
Systemen.<br />
Ziel des Data Mining Prozesses ist es, schrittweise neues<br />
Wissen in einem Anwendungsbereich zu generieren. Jeder<br />
Schritt des Data-Mining-Prozesses beinhaltet eine Teilaufgabe<br />
(z.B. Klassifizierung, Regression, zeitliche Modellierung<br />
oder Clustering), die durch eine adäquate Technik (z.B.<br />
neuronale Netzwerke, Entscheidungsbäume, k-nächster<br />
Nachbar Klassifikator, Netzwerke nach Bayes und klassische<br />
statistische Methoden) gelöst wird. Der typische Arbeitsablauf<br />
im Data Mining gestaltet sich dann wie folgt [15]:<br />
• Datenvorverarbeitung<br />
• Datenvisualisierung, Hypothesengenerierung<br />
• Entwurf eines Klassifikators<br />
• Training und Validierung eines Klassifikators