Computational Systems Biology
Die Systembiologie ist ein aktuelles interdisziplinäres Forschungsgebiet, in dem Modelle für komplexe Zusammenhänge in biologischen Systemen entwickelt werden. Ziel ist das Verständnis der Eigenschaften und der Dynamik von größeren biologischen Einheiten, z.B. Zellen, Organen oder sogar ganzen Organismen, um deren Verhalten unter verschiedenen Bedingungen vorherzusagen, biologische Hypothesen in silico zu verifizieren und das Design experimenteller Untersuchungen zu optimieren.
In der mathematischen Systembiologie kommen hierzu unterschiedliche Ansätze zur Anwendung, neben Differentialgleichungen für zeitabhängige Prozesse auch diskrete und stochastische Modelle oder aktuell Methoden des maschinellen Lernens. Neue experimentelle Verfahren, insbesondere Genomik, Proteomik und Metabolomik ermöglichen heute die Erzeugung sehr großer Datenmengen. Andere experimentelle Messungen sind dagegen oft nur in kleiner Zahl und beschränkter Genauigkeit möglich. Hierdurch und infolge der Größe der mathematischen Modelle wächst die Zahl der Variablen und Parameter, somit sind effiziente Algorithmen zur Analyse der hochdimensionalen Probleme unumgänglich. Wir verwenden einerseits lokale Optimierungsverfahren in Kombination mit stochastischen Algorithmen und entwickeln zur Lösung von Bayeschen inversen Problemen eigene Methoden.
Die von uns untersuchten Anwendungen reichen von zellulären Signalwegen bis hin zu den ganzen Organismus umfassenden Netzwerken, ein Schwerpunkt ist hierbei die Endokrinologie. Verstärkt kommen in der letzten Zeit auch hybride Modelle zum Einsatz, z.B. durch Kopplung deterministischer und stochastischer oder diskreter und kontinuierlicher Modelle.
Unsere Forschung ist stets interdisziplinär ausgerichtet; nur in Kooperation mit Partnern aus Industrie und Wissenschaft, z.B. Biochemikern oder Medizinern, können systembiologische Modelle entwickelt und validiert werden.