Digital Biology & Digital Medicine
In keinem wissenschaftlichen Feld explodieren die Daten so sehr wie in den Lebenswissenschaften, in Biologie und Medizin. Diese Datenmengen müssen gespeichert und verarbeitet werden. Dies macht die Entwicklung neuer Informationstechnologien zu einem der Schlüsselfaktoren für den Fortschritt des aktuellen Wissensstandes in der Biomedizin und der Gesundheitsforschung. Wir entwickeln solche Technologien, um Informationen aus klinischen und biologischen Daten zu extrahieren und zu verwerten, z. B. aus OMIC-Daten und ähnlichen Quellen sowie aus medizinischen und biomedizinischen Bildern oder aus gesundheitsrelevanten Daten. Wir bauen Modelle von biologischer, physiologischer oder anatomischer Funktion mit Hilfe von Techniken aus dem maschinellen Lernen und mathematischer Modellierung zusammen mit Evidenz aus großen Datenbanken. Diese Modelle treiben unser Wissen über biologische Prozesse voran und helfen auch bei Entscheidungen in der klinischen Routine, beispielsweise bei der Interpretation von Diagnosebildern und Gesundheitsdateien, oder bei der Behandlung von Patienten im Operationssaal.
Mitglieder
Julien Gagneur, Prof. Dr.
Helmut Krcmar, Prof. Dr. rer. oec.
Aktuelle Aktivitäten
- TUM-IAS Focus: Image-based Biomedical Modelling
- TUM-IAS Focus: Functional Metagenomics (incl. TUM-IAS Fellow: Prof. Yana Bromberg, Rutgers)
- Coordination of study section of Bioinformatics shared between TUM, Ludwig-Maximilians-Universität (LMU), Max-Planck-Gesellschaft (MPG), Helmholtz-Gesellschaft
- Coordination of Digital Medicine between Friedrich-Alexander-Universität (FAU) Erlangen-Nürnberg, Universität Augsburg, Ostbayerische Technische Hochschule (OTH) Amberg-Weiden
- Participation in Bundesministerium für Bildung und Forschung (BMBF) call for Medical Informatics
- Leading role in activity for Digital Medicine in Zentrum Digitalisierung Bayern (ZD.B)
- E:Med junior research alliance mitoMics (Prof. J. Gagneur)
Exemplarische Projekte
Wir entwickeln und validieren systematische Ansätze, um die molekulare Zusammensetzung von Krankheiten der Mitochondrien von einzelnen Patienten durch die Kombination von Genetik, funktioneller Genomik und statistischer kausaler Inferenz zu erschließen.