Wie beeinflusst unsere Genetik äußere Merkmale und wie verursacht sie Krebs? Wie werden genetische Faktoren und Umweltfaktoren auf verschiedenen molekularen Ebenen integriert, und wie variabel sind molekulare Zustände zwischen einzelnen Zellen?
Wir nutzen statistische Inferenz und maschinelles Lernen als unsere Hauptwerkzeuge, um diese wissenschaftlichen Fragen zu beantworten. Wachsende Stichprobengrößen und technologische Fortschritte erfordern neue analytische Strategien und Werkzeuge, die auf Datensätze mit Millionen von Beobachtungen skalieren und räumliche sowie zeitliche Abhängigkeiten berücksichtigen. Wir entwickeln grundlegende Methoden in Statistik und maschinellem Lernen, darunter effiziente Parameterinferenz in Modellen zur Untersuchung genetischer Assoziationen und Methoden zur Dimensionsreduktion.
Erfahren Sie mehr über unsere Forschungsgruppe unter https://steglelab.org/
