Unsere Nachwuchsforschungsgruppe arbeitet an der Entwicklung und Anwendung biostatistischer Methoden, um vielfältige Fragestellungen in der Umweltmedizin zu adressieren. Angesichts der wachsenden Verfügbarkeit hochdimensionaler biomedizinischer Daten verfolgen wir einen interdisziplinären Ansatz, der methodische Statistik, skalierbare Algorithmen und biomedizinische Expertise integriert.
Unsere interdisziplinären Projekte reichen von der Genomik bis hin zur klinischen Medizin und Umweltepidemiologie. Wir entwickeln statistische Methoden sowohl für detaillierte biomolekulare Daten, wie etwa Einzelzell-RNA-Sequenzierungsdaten, als auch für umfassende epidemiologische Daten aus Kohortenstudien. Dieser integrative Ansatz von der zellulären Ebene bis hin zur Bevölkerungsebene ermöglicht eine umfassende Analyse genetischer und umweltbedingter Faktoren, um Krankheitsmechanismen besser zu verstehen und zielgerichtete Strategien für die individuelle Prävention und öffentliche Gesundheit zu entwickeln.
Große und hochdimensionale Daten aus molekularen und Bevölkerungsstudien, die hunderttausende von Zellen oder Individuen sowie tausende bis Millionen genetischer und umweltbedingter Variablen umfassen, erfordern die Entwicklung interpretierbarer Modelle und Methoden zur Quantifizierung von Unsicherheit. Dafür entwickeln wir skalierbare statistische Lernverfahren zur Variablenselektion, Schätzung und Prädiktion, einschließlich regularisierter Regression, Boosting und Bayesianischer Ansätze. Ein besonderer Schwerpunkt liegt auf der Modellierung polygener Risikoscores zur Vorhersage von Gesundheitsphänotypen, um die Generalisierbarkeit über verschiedene Bevölkerungsgruppen hinweg zu verbessern. Zusätzlich entwickeln wir flexible Regressionsmodelle, die räumliche und zeitliche Effekte umfassen, um das Auftreten von Krankheiten in Populationen zu modellieren.
Nachwuchsgruppenleiter:
Christian Staerk
DFG Graduiertenkolleg (GRK) 2624 : Biostatistische Methoden für hochdimensionale Daten in der Toxikologie
Das Graduiertenkolleg 2624 wird von der DFG gefördert und läuft in der zweiten Phase von 10/2025 bis 03/2030. Beteiligte Einrichtungen sind neben dem IUF die Heinrich-Heine-Universität Düsseldorf, die Technische Universität (TU) Dortmund und das IfADo – Leibniz-Institut für Arbeitsforschung an der TU Dortmund. Das Ziel des Graduiertenkollegs ist die Entwicklung und Anwendung biostatistischer Methoden zur Analyse hochdimensionaler Daten für die Modellierung und Risikobewertung in der Toxikologie. Die Promovierenden erwerben Kenntnisse in der Toxikologie und die Fähigkeit, statistische Methoden für Fragestellungen in der Pharmakologie und Umwelttoxikologie zu entwickeln und anzuwenden. In der Toxikologie werden innovative statistische Methoden benötigt, um die ständig wachsende, heterogene, molekulare Datenmenge für eine adäquate Modellierung und Risikovorhersage optimal zu nutzen. Neben den herkömmlichen eindimensionalen Dosis-Wirkungs-Modellen müssen daher komplexere Modelle entwickelt werden. Hochdimensionale Omics-Daten werden in der Modellierung sowohl als Interaktionsfaktor für die toxikologische Exposition, als auch als Zielgröße verwendet.
IUF-intern:
AG Krutmann
AG Rossi
AG Schikowski
AG von Mikecz
NG Koch
NG Sahm
National:
Moritz Berger, Central Institute of Mental Health Mannheim
Oleg Borisov, University of Freiburg
Frank Dörje, University Hospital Erlangen
Martin Fromm, Friedrich-Alexander University Erlangen-Nürnberg
Anja Hilbert, Leipzig University Hospital
Katja Ickstadt, TU Dortmund University
Ulrich Jaehde, University of Bonn
Hannah Klinkhammer, University of Marburg
Peter Krawitz, University of Bonn
Kirsten Kübler, Charité Berlin
Carlo Maj, University of Marburg
Andreas Mayr, University of Marburg
Alexandra Philipsen, University of Bonn
International:
Pariya Behrouzi, Wageningen University, Netherlands
Yosuke Tanigawa, MIT, USA
