Prof. Dr. Uwe Ohler

Prof. Ohler erforscht die Regulierung der Genexpression auf Basis von hochdimensionalen biologischen Daten, insbesondere durch maschinelles Lernen und tiefe neuronale Netze. Sein aktueller Fokus liegt auf der Analyse von Einzelzell-Transkriptomik (scRNA-seq) und der Integration multimodaler Zellzustände, um regulatorische Mechanismen zu verstehen — etwa wie Gene in verschiedenen Zelltypen und Entwicklungsstadien aktiviert werden. Für Unternehmen und öffentliche Forschungseinrichtungen entwickelt er Methoden und Softwarewerkzeuge zur Verarbeitung komplexer biologischer Hochdurchsatz-Daten, die es ermöglichen, Zelltypen zu charakterisieren, Batch-Effekte zu korrigieren und neue biologische Erkenntnisse aus großen Zell-Atlanten zu extrahieren. Die Arbeiten sind relevant für die Grundlagenforschung in Genomik und Zellbiologie, für die Entwicklung diagnostischer Verfahren und für die Identifikation neuer therapeutischer Ziele in Medizin und Biotechnologie.

🔒 Das System hat 757 mögliche Industrie-Partner gefunden — Firmen, Scores und Begründungen sind nur für eingeloggte Nutzer:innen sichtbar. Anmelden

• SFB/TRR 175/1: Von prädikativen zu mechanistischen Modellen der plastidären Genexpression mittels Hochdurchsatz-Sequenzdaten (TP D01)

  Quelle ↗

  Förderer: DFG Sonderforschungsbereich Zeitraum: 07/2016 - 06/2021 Projektleitung: Prof. Dr. Uwe Ohler

• Verbundprojekt: BZML - Berliner Zentrum für maschinelles Lernen

  Quelle ↗

  Förderer: Bundesministerium für Forschung, Technologie und Raumfahrt Zeitraum: 08/2018 - 12/2022 Projektleitung: Prof. Dr. Uwe Ohler

• IGRK 2403/1: Analyse und Umbau des regulatorischen Genoms

  Quelle ↗

  Förderer: DFG Graduiertenkolleg Zeitraum: 01/2019 - 12/2023 Projektleitung: Prof. Dr. Uwe Ohler

• A High-Resolution Root Spatiotemporal Map Reveals Dominant Expression Patterns

  2007

  Science · DOI

  Transcriptional programs that regulate development are exquisitely controlled in space and time. Elucidating these programs that underlie development is essential to understanding the acquisition of cell and tissue identity. We present microarray expression profiles of a high-resolution set of developmental time points within a single Arabidopsis root and a comprehensive map of nearly all root cell types. These cell type-specific transcriptional signatures often predict previously unknown cellular functions. A computational pipeline identified dominant expression patterns that demonstrate transcriptional similarity between disparate cell types. Dominant expression patterns along the root's longitudinal axis do not strictly correlate with previously defined developmental zones, and in many cases, we observed expression fluctuation along this axis. Both robust co-regulation of gene expression and potential phasing of gene expression were identified between individual roots. Methods that combine these profiles demonstrate transcriptionally rich and complex programs that define Arabidopsis root development in both space and time.

• FMRP targets distinct mRNA sequence elements to regulate protein expression

  2012

  Nature · DOI

• Integrative Regulatory Mapping Indicates that the RNA-Binding Protein HuR Couples Pre-mRNA Processing and mRNA Stability