Navigation und Service

Zielgruppeneinstiege

MF1: Bioinformatik

Die rapide Entwicklung von Hochdurchsatztechnologien für die Proteom- und Genomanalyse erlaubt zunehmend detaillierte Einblicke in biomedizinische Fragestellungen. In einem einzigen Versuch können Milliarden von Basen eines Genoms sequenziert oder die Massen von Millionen von Peptiden bestimmt werden. Die zeitnahe Gewinnung wissenschaftlicher Erkenntnis aus solch riesigen Datenmengen stellt die existierenden Algorithmen und Computerressourcen vor immer neue Herausforderungen.

Das Fachgebiet Bioinformatik befasst sich mit der Bewältigung dieser Aufgabe auf allen Ebenen: Von der mathematischen Formulierung neuer Ansätze, über die darauf basierende Entwicklung neuer oder Adaptierung existierender Algorithmen und deren Testung auf Hochdurchsatzdaten, bis hin zu ihrer Implementation in open-source-Software und der damit verbundenen Publikationstätigkeit. Der Fokus liegt dabei auf der Beantwortung wissenschaftlicher Fragestellungen der Diagnostik und Pathogencharakterisierung, welche sich primär aus Kooperationen mit internen und externen Laborgruppen ergeben. Von besonderer Wichtigkeit ist dabei die stetige Vernetzung auf internationaler Ebene, um eine breite Anwendbarkeit der entwickelten Tools sicherzustellen.

Zusätzlich zur Entwicklung neuer bioinformatischer Ansätze bietet das Fachgebiet einen zentralen Bioinformatik-Support für das Institut. Dieser ist Ansprechpartner für Wissenschaftlerinnen und Wissenschaftler, die Unterstützung bei der Planung und Auswertung von Hochdurchsatzexperimenten benötigen. Neben einer auf Projekt und Bedürfnisse zugeschnittenen individuellen Beratung und Datenanalyse bietet der Bioinformatik-Support regelmäßige Schulungen in der Anwendung bioinformatischer Tools, bildet als einer der Treiber der Digitalisierung eine Schnittstelle zwischen wet-lab-Wissenschaftlern und der IT des Hauses und unterstützt die Vernetzung von Nutzern ähnlicher Technologien.

Technologien

Der Fokus des Fachgebiets liegt auf der Nutzung von Hochdurchsatz-Daten aus DNA- und RNA-Sequenzierungen (Next Generation Sequencing, z.B. Vollgenom-, Metagenom- und Transkriptom-Sequenzierung) sowie aus massenspektrometischen Proteinidentifikationen. Von besonderem Interesse ist dabei die Integrationen dieser Datenquellen zur Verbesserung der Qualität und Zuverlässigkeit der getroffenen Aussagen. Des Weiteren ist die Betrachtung der statistischen Effekte von Hochdurchsatzdaten zur genauen Bestimmung von Fehlerraten und zur Vermeidung von potentiell irreführenden Interpretationen essentiell.

Anwendungsbereich

Die Entwicklung neuer Tools sowie die Datenauswertung finden allgemein im Kontext von Public Health statt. Dies beinhaltet insbesondere die Detektion und Identifikation von Pathogenen aus unterschiedlichen Proben sowie die Charakterisierung von Pathogenen, z.B. bezüglich Wirts-Pathogen-Interaktion, Identifikation und Rekonstruktion von Ausbrüchen oder Entstehung und Verbreitung von Resistenzen gegen Therapeutika.

Ansprechpartner

Leitung: PD Dr. Renard, renardb@rki.de
Stellvertretung: Dr. Muth, mutht@rki.de
Bioinformatik-Support: BI-Support@rki.de

Stand: 20.12.2017

Ausgewählte Publikationen

  • Piro VC, Matschkowski M, Renard BY (2017): MetaMeta: integrating metagenome analysis tools to improve taxonomic profiling.
    Microbiome 5 (1): 101. Epub Aug 14. doi: 10.1186/s40168-017-0318-y. mehr

  • Muth T, Renard BY (2017): Evaluating de novo sequencing in proteomics: already an accurate alternative to database-driven peptide identification?.
    Brief. Bioinform.: Epub Mar 21. doi: 10.1093/bib/bbx033. mehr

  • Lindner MS, Strauch B, Schulze JM, Tausch S, Dabrowski PW, Nitsche A, Renard BY (2017): HiLive – Real-Time Mapping of Illumina Reads while Sequencing.
    Bioinformatics 33 (6): 917-919. Epub 2016 Oct 29. doi: 10.1093/bioinformatics/btw659. mehr

  • Deneke C, Rentzsch R, Renard BY (2017): PaPrBaG: A machine learning approach for the detection of novel pathogens from NGS data.
    Sci. Rep. 7: 39194. Epub Jan 4. doi: 10.1038/srep39194. mehr

  • Trappe K, Marschall T, Renard BY (2017): Detecting horizontal gene transfer by mapping sequencing reads across species boundaries.
    Bioinformatics 32 (17): i595–i604. Epub Sep 1. doi: 10.1093/bioinformatics/btw423.

  • Muth T, Renard BY, Martens L (2016): Metaproteomic data analysis at a glance: advances in computational microbial community proteomics.
    Expert Rev. Proteomics 13 (8): 757-769. Epub Jul 4. doi: 10.1080/14789450.2016.1209418. mehr

  • Rentzsch R, Renard BY (2015): Docking small peptides remains a great challenge: an assessment using AutoDock Vina.
    Brief. Bioinform. 16 (6): 1045-1056. Epub Apr 21. doi: 10.1093/bib/bbv008. mehr

  • Kuhring M, Renard BY (2015): Estimating the computational limits of detection of microbial non-model organisms.
    Proteomics 15 (20): 3580-3584. Epub Jul 1. doi: 10.1002/pmic.201400598. mehr

  • Tausch SH, Renard BY, Nitsche A, Dabrowski PW (2015): RAMBO-K: Rapid and sensitive removal of background sequences from Next Generation Sequencing data.
    PLoS One 10 (9): e0137896. Epub Sep 17. doi: 10.1371/journal.pone.0137896. mehr

  • Kuhring M, Dabrowski PW, Piro VC, Nitsche A, Renard BY (2015): SuRankCo: supervised ranking of contigs in de novo assemblies.
    BMC Bioinformatics 16: 240. Epub Jul 30. doi: 10.1186/s12859-015-0644-7. mehr

  • Lindner MS, Renard BY (2015): Metagenomic profiling of known and unknown microbes with MicrobeGPS.
    PLoS One 10 (2): e0117711. Epub Feb 2. doi: 10.1371/journal.pone.0117711. mehr

  • Calvignac-Spencer S, Schulze JM, Zickmann F, Renard BY (2014): Clock rooting further demonstrates that Guinea 2014 EBOV is a member of the Zaïre lineage.
    PLOS Currents Outbreaks 2014: Jun 16. Edition 1. doi: 10.1371/currents.outbreaks.c0e035c86d721668a6ad7353f7f6fe86. mehr

  • Zickmann F, Lindner MS, Renard BY (2014): GIIRA – RNA-Seq driven gene finding incorporating ambiguous reads.
    Bioinformatics 30 (5): 606-613. Epub 2013 Oct 11. doi: 10.1093/bioinformatics/btt577. mehr

  • Lindner MS, Renard BY (2013): Metagenomic abundance estimation and diagnostic testing on species level.
    Nucleic Acids Res. 41 (1): e10. Epub 2012 Aug 31. doi:10.1093/nar/gks803. mehr

Zusatzinformationen

Gesundheitsmonitoring

In­fek­ti­ons­schutz

Forschung

Kom­mis­sio­nen

Ser­vice

Das Robert Koch-Institut ist ein Bundesinstitut im Geschäftsbereich des Bundesministeriums für Gesundheit

© Robert Koch-Institut

Alle Rechte vorbehalten, soweit nicht ausdrücklich anders vermerkt.