Integrative Kohlenstoffforschung
Dr. Björn Usadels Gruppe für Integrative Kohlenstoffbiologie untersucht den Zusammenhang zwischen dem Kohlenstoffstatuts, dem Metabolismus seltenerer Zucker und zuckerähnlicher Moleküle und der Zellwand. Die Gruppe folgt einem integrativen Ansatz, der auf Omiks Technologie, Netzwerk Ansätze und gezielte biologische Experimente zurückgreift. Die Gruppe besteht aus Informatikern, Theoretikern und Biologen.
Die Wirkung des Kohlenstoffstatus auf selten vorkommende Zucker und die Zellwand
Bild vergrößern
Da die Zellwand ein wichtiger Kohlenstoffspeicher ist, ist es wahrscheinlich, dass ihr Stoffwechsel durch Änderungen im Kohlenstoffstatuts beeinträchtigt werden könnte. Tatsächlich gibt es mehrere Hinweise aus Hochdurchsatz Datensätzen, die darauf hindeuten, dass zumindest eine Koordinierung der Zellwand Synthese durch eine Verringerung an verfügbarem C beeinträchtigt wird. Es wurde beispielsweise beobachtet, dass die Nukleotid-Zucker konvertierenden Enzyme transkriptionell geregelt zu sein scheinen.
Zur Vertiefung dieser Frage werden derzeit Methoden zur Messung der Nukleotid-Zucker-Pools und potenziell Flüsse evaluiert. Diese werden helfen, die Auswirkungen des Kohlenstoffstatus auf den Fluss und die Metabolitenhöhe zu untersuchen. Da mehrere enzymatische Reaktionen in der Zuckerumwandlung noch nicht bekannt sind, werden Kandidaten-Gene aus Arabidopsis aus der Proteinklassifizierungspipeline untersucht. Darüber hinaus nutzen wir einen revers-genetischen Ansatz, in dem der Samenschleim von Arabidopsis als einfaches Modellsystem zur Zellwandsynthese eingesetzt wird.
Maschinelles Lernen und Protein-Klassifizierung
Mehr und mehr Genome werden sequenziert, woraus sich die Aufgabe der Klassifizierung der Gene und / oder Proteine in funktionale Klassen ergibt. Da es absehbar ist, dass diese Aufgaben in Zukunft größer werden, arbeitet die Gruppe an Ansätzen aus dem maschinellen Lernen zur funktionalen Klassifizierung von pflanzlichen Proteinen. Auch diese Ansätze werden biologisch überprüft, wo dieses für die Gruppe relevant ist.
Netzwerk Rekonstruktion, Lernen von Netzwerken und biologischen Stoffwechselwegen
Eine Möglichkeit zur Integration von (heterogenen) Daten ist die Nutzung von Netzwerk-Ansätzen. Daher beschäftigt sich die Gruppe mit Daten-getriebener Netzwerk Rekonstruktion mittels (partieller-) Korrelation (CSB), Boolean sowie Bayes-Ansätze. Diese Ansätze brauchen allerdings biologische Gold Standards anhand derer die Ansätze getestet werden können. Außerdem müssen sie durch Laborexperimente überprüfbar sein.
Eine weitere Validierung dieser Ansätze ist die Untersuchung der Stoffwechselwege, innerhalb der MapMan Datenbank und ihre Repräsentation in Netzwerken. Außerdem nutzt und verbessert die Gruppe MapMan und Tools zur Visualisierung und Interpretation funktionaler Omik Daten.
