Dr. Matthias König

Die Forschung von Dr. Matthias König konzentriert sich auf die Entwicklung und Anwendung mathematischer Modelle und Computersimulationen in der Biomedizin, insbesondere zur Analyse der Leberfunktion und Pharmakokinetik. Ein zentrales Anliegen ist die Integration von Künstlicher Intelligenz und Machine Learning, einschließlich Deep Learning und Large Language Models, zur Automatisierung der Bildverarbeitung und zur Entscheidungsunterstützung in der Diagnostik. Die Arbeit legt großen Wert auf Open Science, FAIR-Prinzipien und ein robustes Forschungsdatenmanagement, um die Reproduzierbarkeit und Wiederverwendbarkeit von Modellen zu gewährleisten. Zudem werden biomechanische Ansätze mit numerischen Simulationen kombiniert, um komplexe physiologische Prozesse auf Zell- und Gewebesebene zu verstehen und zu optimieren.

🔒 Das System hat 1.350 mögliche Industrie-Partner gefunden — Firmen, Scores und Begründungen sind nur für eingeloggte Nutzer:innen sichtbar. Anmelden

• Multiskalen-Modelle für Personalisierte Leberfunktionstests

  Quelle ↗

  Förderer: Bundesministerium für Forschung, Technologie und Raumfahrt Zeitraum: 01/2016 - 03/2022 Projektleitung: Dr. Matthias König

• Reproduzierbare Simulationsexperimente für COVID-19 via BioModels und B2SHARE

  Quelle ↗

  Förderer: Internationale Fachgesellschaften Zeitraum: 06/2020 - 03/2021 Projektleitung: Dr. Matthias König

• FOR 5151 /1: Quantifizierung der Leberperfusions-Funktionsbeziehung bei komplexer Resektion - Ein systemmedizinischer Ansatz (QuaLiPerF)

  Quelle ↗

  Förderer: DFG Forschungsgruppe Zeitraum: 07/2021 - 09/2026 Projektleitung: Dr. Matthias König

• MEMOTE for standardized genome-scale metabolic model testing

  2020

  Nature Biotechnology · DOI

• SBML Level 3: an extensible format for the exchange and reuse of biological models

  2020

  Molecular Systems Biology · DOI

  Systems biology has experienced dramatic growth in the number, size, and complexity of computational models. To reproduce simulation results and reuse models, researchers must exchange unambiguous model descriptions. We review the latest edition of the Systems Biology Markup Language (SBML), a format designed for this purpose. A community of modelers and software authors developed SBML Level 3 over the past decade. Its modular form consists of a core suited to representing reaction-based models and packages that extend the core with features suited to other model types including constraint-based models, reaction-diffusion models, logical network models, and rule-based models. The format leverages two decades of SBML and a rich software ecosystem that transformed how systems biologists build and interact with models. More recently, the rise of multiscale models of whole cells and organs, and new data sources such as single-cell measurements and live imaging, has precipitated new ways of integrating data with models. We provide our perspectives on the challenges presented by these developments and how SBML Level 3 provides the foundation needed to support this evolution.

• HepatoNet1: a comprehensive metabolic reconstruction of the human hepatocyte for the analysis of liver physiology