Computergestützte Modelle und Analyse geschlechtsspezifischer, epigenetischer Regulation

Darstellung geschlechtsspezifischer epigenetischer Regulierung von Genen in dynamischen Zellzuständen.
Geschlechtsspezifische epigenetische Regulierung von Genen in dynamischen Zellzuständen

Geschlechtsdimorphe Muster zeigen sich im Epigenom von Säugetierzellen, und epigenetische Mechanismen spielen eine wichtige, geschlechtsspezifische Rolle bei der Genregulation. Nur wenige Epigenomik-Studien berücksichtigen geschlechtsspezifische Unterschiede bei der Identifizierung von genregulatorischen Elementen und Biomarkern für Krankheiten, und es gibt noch weniger computergestützte Werkzeuge und systematische bioinformatische Analysen dieser Effekte in großen Datensätzen.

Wir untersuchen genregulatorische Prozesse, die mit dynamischen Zellzuständen bei der Neurodegeneration und dem menschlichen Immunsystem verbunden sind. Durch die Integration großer epigenomischer und transkriptomischer Datensätze, die für männliche und weibliche Proben erstellt wurden, wollen wir geschlechtsdimorphe Transkriptionsprogramme und epigenetische Signaturen identifizieren. Mithilfe statistischer Inferenz und maschineller Lernverfahren werden wir die epigenetischen Signaturen identifizieren, die für die Regulierung der geschlechtsspezifischen Genexpression verantwortlich sind. Darüber hinaus planen wir, anhand von Einzelzelldaten die zelluläre Heterogenität in männlichen und weiblichen Proben zu quantifizieren und die regulatorische Heterogenität über Zellzustände und Krankheitszustände hinweg dem Geschlecht zuzuordnen. Wir implementieren die entwickelten Methoden in unsere Software-Tools und wollen sie der wissenschaftlichen Gemeinschaft zur Verfügung stellen.

 

 
Portraitfoto von Jun.-Prof. Dr. Fabian Müller

Projektleitung

Jun.-Prof. Dr. Fabian Müller

Universität des Saarlandes
Integrative Zellbiologie und Bioinformatik

fabian.mueller(at)uni-saarland.de
https://icb.uni-saarland.de
ORCID: 0000-0001-5809-2321

Curriculum Vitae

 

 

Wichtige Publikationen

  1. Trevino*, Müller*, Andersen*, Sundaram*, Kathiria, Shcherbina, Farh, Chang, Pașca, Kundaje, Pașca#, & Greenleaf#. (2021). Chromatin and gene-regulatory dynamics of the developing human cerebral cortex at single-cell resolution. Cell, 184(19), 5053-5069.e23. https://doi.org/10.1016/j.cell.2021.07.039
  2. Scherer, Nebel, Franke, Walter, Lengauer, Bock, Müller#, & List#. (2020). Quantitative comparison of within-sample heterogeneity scores for DNA methylation data. Nucleic Acids Research, 48(8), e46–e46. https://doi.org/10.1093/nar/gkaa120
  3. Müller*#, Scherer*#, Assenov*#, Lutsik*#, Walter, Lengauer, & Bock# (2019). RnBeads 2.0: comprehensive analysis of DNA methylation data. Genome Biology, 20(1), 55. https://doi.org/10.1186/s13059-019-1664-9
  4. Farlik*, Halbritter*, Müller*, Choudry, Ebert, Klughammer, Farrow, Santoro, Ciaurro, Mathur, Uppal, Stunnenberg, et al. (2016). DNA Methylation Dynamics of Human Hematopoietic Stem Cell Differentiation. Cell Stem Cell, 19(6), 808–822. https://doi.org/10.1016/j.stem.2016.10.019
  5. Assenov*, Müller*#, Lutsik*, Walter, Lengauer, & Bock#. (2014). Comprehensive analysis of DNA methylation data with RnBeads. Nature Methods, 11(11), 1138–1140. https://doi.org/10.1038/nmeth.3115
  6. Ziller*, Müller*, Liao, Zhang, Gu, Bock, Boyle, Epstein, Bernstein, Lengauer, Gnirke, & Meissner. (2011). Genomic Distribution and Inter-Sample Variation of Non-CpG Methylation across Human Cell Types. PLoS Genetics, 7(12), e1002389. https://doi.org/10.1371/journal.pgen.1002389