Abteilung Bioinformatik der Genomik und Systemgenetik

Dr. Oliver Stegle

Illustration eines statistischen Modells für die Integration von mehreren Omics-Datensätzen. Multi?Omics Factor Analysis (MOFA) ist ein Rahmensystem, um die wichtigsten Achsen biologischer und technischer Variation in mehreren Omics-Daten aufzudecken.
© dkfz.de

Ziel unserer Forschung ist es, Zusammenhänge zwischen genomischer Variation und Phänotypen zu entschlüsseln. Wir untersuchen hierbei die Mechanismen, über die genetische Faktoren und Umwelteinflüsse auf molekulare Phänotypen in Geweben und in einzelnen Zellen wirken.
Um diese Fragen zu beantworten, benutzen wir Verfahren, die auf statistischer Inferenz und maschinellem Lernen basieren. Wir entwickeln beispielsweise statistische Modelle, um technische und biologische Störfaktoren in der Analyse von hochdimensionalen „omics-Daten“ zu berücksichtigen. Ein Schwerpunkt sind hierbei Methoden für die Integration von genetischen Faktoren und „Multiomics“ in der Biomedizin.

Future Outlook
Wir entwickeln künftig statistische Verfahren für die Auswertung von Hochdurchsatzdaten. Ein Schwerpunkt sind hierbei Methoden, um genetische und genomische Variation in einzelnen Zellen zu studieren. Dabei untersuchen wir, wie unterschiedliche Omics auf Einzelzellebene integriert werden können. Diese Ziele verfolgen wir als aktiver Partner innerhalb des internationalen Human Cell Atlas Projekts (https://www.humancellatlas.org).

Kontakt

Dr. Oliver Stegle
Bioinformatik der Genomik und Systemgenetik (B260)
Deutsches Krebsforschungszentrum
Im Neuenheimer Feld 280
69120 Heidelberg

Ausgewählte Publikationen

  • Argelaguet, R., & Velten, B., et al. (2018). Multi?Omics Factor Analysis—a framework for unsupervised integration of multi?omics data sets. Molecular systems biology, 14(6), e8124.
  • Svensson, V., et al. (2018). SpatialDE: identification of spatially variable genes. Nature methods, 15(5), 343.
  • Kilpinen, H., et al. (2017). Common genetic variation drives molecular heterogeneity in human iPSCs. Nature, 546(7658), 370.
  • Buettner, F., & Natarajan, K. N., et al. (2015). Computational analysis of cell-to-cell heterogeneity in single-cell RNA-sequencing data reveals hidden subpopulations of cells. Nature biotechnology, 33(2), 155.
nach oben