Nachwuchsgruppe Bioinformatik und Omics Data Analytics

Dr. Matthias Schlesner

Wiederkehrende chromosomale Umlagerungen in Genomen von pädiatrischen Medulloblastomen, die innerhalb des ICGC PedBrain-Projekts untersucht wurden. Grüne Linien repräsentieren inter- oder intrachromosomale Translokationen, blaue Linien Deletionen, rote Linien Duplikationen, und schwarze Linien Inversionen. Die beiden äußeren Kreise zeigen Hotspots für Einzelbasenaustausche und für Bruchpunkte des Genoms.
© dkfz.de

Omics-Technologien sind neuartige Hochdurchsatz-Methoden, mit denen sich etwa das gesamte Genom, Transkriptom oder Proteom einer Zelle erfassen lässt. Sie ermöglichen es, in kurzer Zeit globale, hochaufgelöste molekulare Profile von Zellen, Geweben und Tumoren zu erstellen und haben dadurch die Erforschung biologischer Systeme grundlegend verändert. Eine besondere Rolle spielen dabei die neuesten Sequenziertechnologien (Next Generation Sequencing, NGS) zur Genomsequenzierung. Mit diesen Technologien können molekulare Veränderungen, die mit Erkrankungen wie z.B. Krebs einhergehen, umfassend und detailliert erfasst werden.

Die Arbeitsgruppe Bioinformatik und Omics Data Analytics nutzt die mit Omics-Technologien generierten hochdimensionalen Daten, um Fragen der grundlegenden und translationalen Krebsforschung zu beantworten. Ein Schwerpunkt unserer Arbeit ist dabei die Analyse und Interpretation von NGS-Daten. In interdisziplinären Forschungsprojekten mit Krebsbiologen und Onkologen helfen uns diese Daten, die Veränderungen von Krebszellen auf Ebene des Genoms, Epigenoms und Transkriptoms zu verstehen. Ziele dieser Arbeiten sind unter anderem die Identifikation von molekularen Veränderungen, die für die Tumorentstehung und –entwicklung ursächlich sind (sogenannte Driver-Mutationen). Hierbei versuchen wir auch mithilfe von Einzelzellanalysen Rückschlüsse auf die molekulare Evolution des Tumors zu ziehen. Die identifizierten krankheitsrelevanten Veränderungen werden dann auf ihr Potential als Angriffspunkte für neuartige Therapien oder als prädiktive Biomarker, die Therapieansprechen vorhersagen können, geprüft. Weiterhin unterstützen wir Studien zur personalisierten Krebsmedizin wie sie z.B. innerhalb des Heidelberger Zentrums für personalisierte Onkologie (DKFZ-HIPO) durchgeführt werden. Mithilfe einer auf molekularen Profilen basierenden (Sub-)Klassifizierung von Tumoren und Vorhersagen zum Ansprechen bestimmter Therapien für individuelle Tumoren können so unsere Ergebnisse direkt in der Therapie angewendet und getestet werden.

Daten aus Hochdurchsatz-Experimenten können nur durch computerbasierte Verfahren, sogenannte Big Data Methoden, sinnvoll für die Forschung zugänglich gemacht werden. Wir entwickeln Methoden zur Datenanalyse, Visualisierung und Integration um von den großen Datenmengen, die Omics-Technologien generieren, zu biologisch und klinisch relevanten Erkenntnissen zu gelangen. Dazu gehören Methoden zur Qualitätskontrolle, Prozessierung und Analyse von NGS-Daten, aber auch Anwendungen wie ein Workflow-Management-System zur Verarbeitung großer Datenmengen auf Computer-Clustern oder R-Pakete zur verbesserten Datenvisualisierung. Zusätzlich wenden wir verschiedene statistische Verfahren und Techniken des maschinellen Lernens an, um Muster in großen Datensätzen zu erkennen, die mit biologischen oder klinischen Eigenschaften korrelieren und so Rückschlüsse auf biologische Mechanismen und kausale Zusammenhänge erlauben.

Wir sind in verschiedene Forschungsverbünde innerhalb des internationalen Krebsgenomkonsortiums (ICGC) eingebunden und tragen in mehreren Arbeitsgruppen zum “ PanCancer Analysis of Whole Genomes”-Projekt des ICGC (ICGC PCAWG) bei. Weiterhin sind wir Teil des Heidelberg Center for Human Bioinformatics (HD-HuB) im Deutschen Netzwerk für Bioinformatik-Infrastruktur (de.NBI).

Kontakt

Dr. Matthias Schlesner
Bioinformatik und Omics Data Analytics (B240)
Deutsches Krebsforschungszentrum
Im Neuenheimer Feld 280
69120 Heidelberg
Tel: +49 6221 42-2720

Ausgewählte Publikationen

  • Northcott P.A. et al. (2017) The whole-genome landscape of medulloblastoma subtypes. Nature, 547(7663):311-317.
  • Sahm F. et al. (2017) Meningiomas induced by low-dose radiation carry structural variants of NF2 and a distinct mutational signature. Acta Neuropathol, 134(1):155-158.
  • Gu Z. et al. (2016) Complex heatmaps reveal patterns and correlations in multidimensional genomic data. Bioinformatics, 32(18):2847-9
  • Richter J. et al. (2012) Recurrent mutation of the ID3 gene in Burkitt lymphoma identified by integrated genome, exome and transcriptome sequencing. Nat Genet, 44(12):1316-20.
nach oben