Prof. Dr. Uwe Ohler

Prof. Dr. Uwe Ohler entwickelt aktuell bioinformatische Methoden und Deep-Learning-Modelle, um komplexe Genexpressionsdaten aus Einzelzellanalysen und Hochdurchsatz-Sequenzierung zu interpretieren. Seine Forschung ermöglicht es, regulatorische Netzwerke und Entwicklungsprozesse in Zellen präzise nachzuvollziehen, was für die Identifikation neuer therapeutischer Targets oder das Verständnis von Krankheitsmechanismen relevant ist. Diese Ansätze sind vor allem für die Pharma- und Biotech-Branche sowie für die Agrarforschung von Nutzen, da sie helfen, große biologische Datensätze in handhabbare Erkenntnisse über Genregulation und Proteinerzeugung zu übersetzen.

🔒 Das System hat 1.091 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