Forschung

Für die Entwicklung genauer und effizienter computergestützter Methoden kombinieren wir Techniken aus der kombinatorischen Optimierung und dem maschinellen Lernen. So haben wir beispielsweise exakte und approximative Algorithmen für ein Graphfärbungsproblem entwickelt, um die Auflösung experimenteller Proteinstrukturdaten zu erhöhen, neuronale Netze eingesetzt, um hochdimensionale zelluläre Messungen in einen interpretierbaren niedrigdimensionalen Raum zu projizieren, und das Dynamic Time Warping zur Vergleichung komplexer Trajektorien, z. B. von differenzierenden Immunzellen, erweitert.

Die von uns entwickelten Software-Tools adressieren wichtige biologische und medizinische Fragestellungen. In enger Zusammenarbeit mit Biologen und Klinikern haben wir beispielsweise zur Entdeckung des embryonalen Ursprungs adulter neuronaler Vorläuferzellen beigetragen und einen Zusammenhang zwischen der TIM-3-Expression und einem erhöhten Rückfallrisiko bei pädiatrischen Patienten mit akuter lymphoblastischer Leukämie hergestellt.