Machine Learning for Regulatory Genomics

Worum geht's

In diesem Modul lernst du biologische Grundlagen der Genregulation und moderne Deep-Learning-Methoden zur Modellierung sequenzbasierter Regulationsprozesse. Nach Abschluss kannst du genomweite experimentelle Verfahren und Deep-Learning-Modelle für verschiedene Stufen der Genexpression anwenden und die Modellvorhersagen biologisch interpretieren.

Was du danach kannst

• Erklären der Hauptschritte der Genexpression von DNA‑Zugänglichkeit bis Proteinmenge
• Beschreiben genomweiter experimenteller Assays für verschiedene Expressionsstufen
• Erklären von Prinzip und Anwendungen massiv parallelisierter Reporter‑Assays
• Anwenden von Deep‑Learning‑Methoden für sequenzbasierte Vorhersagen
• Anwenden und Interpretieren von Modell‑Interpretationstechniken
• Einsatz von CNNs und transformerbasierten Modellen auf Sequenzdaten
• Bewerten der Leistungsfähigkeit von Deep‑Learning‑Modellen für genomweite Assays
• Einordnen von Modellvorhersagen biologisch und Diskutieren von Limitationen

Aus was das Modul besteht

• VorlesungenVermittlung der biologischen Grundlagen, experimentellen Methoden und modellierenden Verfahren (Sechs thematische Vorlesungen)
• Praktische ÜbungenIn‑class Python‑Tutorials zur Anwendung der vorgestellten Modelle
• ProjektarbeitAchtwöchiges, betreutes Projekt in einem Partnerforschungs‑Labor mit Abschlussbericht und Präsentation

Lehrmethode

• VorlesungenStellung des State‑of‑the‑Art in Regulatory Genomics und Vermittlung der Konzepte
• In‑class TutorialsDirekte Anwendung der Konzepte und Modelle zur Vertiefung
• Betreutes ProjektHands‑on Erfahrung mit realen biologischen/biomedizinischen Daten und Transfer des Gelernten auf Forschungsthemen