Real-time identification of epistatic interactions in SARS-CoV-2 from large genome collections
Innocenti G, Obara M, Costa B, Jacobsen H, Katzmarzyk M, Cicin-Sain L, Kalinke U, Galardini M
Populationsgenetische Studien zeigen, dass genetische Variabilität zwischen Bakterienstämmen die Entwicklung antimikrobieller Resistenzen beeinflussen kann. Durch den Einsatz der automatisierten Laborevolution (ALE) untersuchen wir, wie genetische Hintergründe die AMR-Evolution steuern.
Durch die Anwendung statistischer Genetikmethoden auf Erregergenomsequenzen wollen wir genetische Determinanten von Phänotypen wie Pathogenität, Virulenz und Antibiotikaresistenz identifizieren und validieren, z.B. bei E. coli und P. aeruginosa.
Dank Hochdurchsatz-Sequenzierung lassen sich Genomsequenzen Hunderter Bakterienstämme effizient analysieren, wodurch Unterschiede von bis zu 60 % im Gengehalt, wie bei E. coli, erkennbar sind. Mithilfe maschinellen Lernens wollen wir Funktionen akzessorischer Gene besser vorhersagen und deren Beitrag zum Überleben in spezialisierten Nischen entschlüsseln.
Innocenti G, Obara M, Costa B, Jacobsen H, Katzmarzyk M, Cicin-Sain L, Kalinke U, Galardini M
D'Amato R, Taxiarchi C, Galardini M, Trusso A, Minuz R, Grilli S, Somerville A, Shittu D, Khalil A, Galizi R, Crisanti A, Simoni A, Müller R
Sommer H, Djamalova D, Galardini M
RESIST-Professur für Marco Galardini
weiterlesenTWINCORE-Forschende zeigen die Rolle epistatischer Interaktion bei der Omicron-Variante des SARS-CoV-2-Virus
weiterlesenWissenschaftler suchen nach Zusammenhang zwischen Bakteriengenen und Krankheitsschwere
weiterlesen