Züchtungsinformatik

Prof. Dr. Mehmet Gültas

FORSCHUNGSSCHWERPUNKT


Forschung


1. Algorithmische Methoden

  • Maschinelles Lernen und Deep Learning
  • Informationstheorie
  • Probabilistische Datenmodelle
  • Algorithmische Methoden des statistischen Lernens

2. Datenmanagement und Datenanalyse

  • Statistische Analyse und Interpretation großer Datenmengen (Big Data) im Bereich der Tier-/Pflanzenzüchtung, Bioinformatik und Nutztierhaltung
  • Big-Data-Analysen in der Landwirtschaft im Allgemeinen
  • Entwicklung der Algorithmen aus dem Maschinellen Lernen für die automatisierte Erfassung und Klassifizierung spezifischer Verhaltensmuster von Nutztieren
  • Entwicklung neuer Datenmanagementsysteme zur Erfassung, Speicherung und Verwaltung von landwirtschaftlich relevanten Daten
  • Etablierung der unsupervised Maschinellen Lernen Algorithmen, wie z.B. Clustering-Methoden zur landwirtschaftlichen Datenanalyse
  • Entwicklung statistischer Datenmodelle und Maschinelles Lernen Methoden zur Etablierung digitaler Technologien in der Landwirtschaft
  • Aufklärung komplexer biologischer Vorgänge, wie z. B. die Untersuchung von epistatischen Interaktionen zwischen genotypischen Markern unter Verwendung statistischer Methoden

3. Bioinformatik und Züchtungsinformatik

  • Analyse und Interpretation von Multi-omics-Daten (Next Generation Sequencing (NGS), RNA-seq, usw.)
  • Aufklärung komplexer biologischer Vorgänge und Netzwerke, wie z. B. die Untersuchung von epistatischen Interaktionen zwischen genotypischen Markern
  • Analysen von Transkriptionsfaktoren bezüglich ihrer Funktionen sowie Interaktionen
  • Pathwayanalyse (Upstream- , Downstream- und Masterregulator-Analyse) für die Aufklärung biologischer Aktivitäten von regulatorischen Prozessen auf mehreren Ebenen (RNA, Proteine, Metabolite usw.)
  • Informationstheoriebasierte Methoden in der Bioinformatik
  • Maschinelles Lernen und Evolutionäre Algorithmen in der Bioinformatik
  • Analyse genregulatorischer Netzwerke
  • Clustering-Ansätze in der Bioinformatik (Markov-Clustering-Algorithmus)



Aktuelle Lehre

Wintersemester

  • Applied Machine Learning in Agriculture with R (MSc)
  • Data Analysis with R (MSc)
  • Applied Bioinformatics with R (MSc)
  • Scientific Project: scientific methods, procedures and practical skills in animal and plant breeding (MSc)
  • Forschungspraktikum Biometrie mit R (BSc)

Sommersemester

  • Data Analysis with R (MSc)
  • Forschungspraktikum Biometrie mit R (BSc)
  • Anwendungsgebiete der Data Science (BSc)
  • Bioinformatik (BSc)
  • Scientific Project: scientific methods, procedures and practical skills in animal and plant breeding (MSc)


Aktuelle und vergangene Projekte, studentische Arbeiten und Abschlussarbeiten

Semester Thema
SoSe 2020 Betreuung der Masterarbeit: Development of an Automatic Pig Detection and Tracking System Using Machine Learning
SoSe 2020 Betreuung der Bachelorarbeit: Identifikation regulatorischer SNPs in Brassica napus durch Analyse von Multi-Omics-Daten
SoSe 2020 Betreuung der Bachelorarbeit: Die Entschlüsselung der spezifischen transkriptionellen Genregulation in Bezug auf den Krankheitsverlauf der Hühnerpest bei Stockente und Huhn
WiSe 2019/2020 Betreuung der Masterarbeit: Genomic Prediction of Economically Relevant Traits in Livestock using Machine Learning
WiSe 2019/2020 Betreuung der Bachelorarbeit: Vorhersage von regulatorischen SNPs und deren Einfluss auf die Bindeaffinität von TFs in Pflanzen
WiSe 2019/2020 Betreuung der Bachelorarbeit: Analyse von Markerkandidaten und ihren assoziierten Genen in Vicia faba mittels bioinformatischer Methoden
SoSe 2019 Betreuung der Masterarbeit: Automatic distinction of behaviour patterns in pigs using anomaly detection techniques with a predictive convolutional network
SoSe 2019 Betreuung der Masterarbeit: Development of a database of predicted regulatory SNPs and their impact on the binding propensity of transcription factors
SoSe 2019 Betreuung der Masterarbeit: Random forest feature selection for MI epistatic networks
SoSe 2019 Betreuung der Forschungsorientierten Projektarbeit: Comparison on genomic predictions using different statistical methods in a simulated cattle population
WiSe 2018/2019 Betreuung der Forschungsorientierten Projektarbeit: Prediction of eukaryotic promoters using next generation sequencing data
WiSe 2018/2019 Betreuung der Forschungsorientierten Projektarbeit: Prediction of epistatic interactions using information theory
SoSe 2018 Betreuung der Masterarbeit: Assoziationsstudie zum Vicingehalt bei Vicia faba basierend auf Genotyping by Sequencing-Daten
SoSe 2018 Betreuung der Masterarbeit: Genome wide association analysis for identification of markers associated with eggshell thickness using reverse regression based methods
SoSe 2018 Betreuung der Masterarbeit: Identification of bovine tissue- and population specific transcription factor cooperations using next generation sequencing data and genome-wide variant calling

Publikationen

Für Publikationen siehe ResearchGate oder Google Scholar.