Forskare inom life science bjuds in till invigningen av IceLab stress response modeling 10-11 juni.
Utveckling av mekanistiska modeller för djupare insikter
Vår forskningsgrupp fokuserar på att skapa mekanistiska modeller som integrerar olika dataset för att bättre förstå biologiska system. Dessa modeller går utöver traditionella statistiska metoder eller maskininlärningsmetoder genom att identifiera orsakssamband i biologiska processer. Genom att kombinera data från olika källor, såsom genomik och proteomik, strävar vi efter att ge mer tillförlitliga förutsägelser om hur biologiska system fungerar, vilket ger en tydligare bild av de underliggande mekanismerna i arbetet.
Vi har också en webbplats som innehåller mer information om gruppen, projekten och publicerade artiklar.
Utforskning av ett brett spektrum biologiska system
Vi samarbetar med experimentella forskare för att ta itu med ett brett spektrum av biologiska utmaningar. Dessa inkluderar studier av biologiska nätverk, som undersöker interaktionerna mellan olika cellulära komponenter, och genreglering, som fokuserar på genaktivitet under olika förhållanden. Vi undersöker också epigenetik, dvs. hur genuttryck påverkas av andra faktorer än förändringar i DNA-sekvensen. Vår forskning sträcker sig till att förstå åldrandets biologi, lösa intermittenta sökproblem och undersöka polymerfysik, särskilt hur DNA veckas i kärnan.
Bortom cellen: samarbete med geovetenskap
Vårt arbete sträcker sig bortom biologin och omfattar tvärvetenskapliga projekt med geovetare. Ett anmärkningsvärt samarbete handlar om att använda nätverksmodeller för att beräkna CO2-utsläpp i Arktis. Genom att tillämpa vår expertis inom modellering av komplexa system på miljöutmaningar bidrar vi till en bättre förståelse av den globala klimatförändringen. Dessa insatser belyser mångsidigheten i vårt tillvägagångssätt, som överbryggar klyftan mellan biologi och miljövetenskap för att ta itu med några av de mest angelägna frågor som båda områdena står inför.
Till skillnad från kronologisk ålder så ändras ständigt takten i vår biologiska ålder. Vi vill utveckla en matematisk modell för att öka denna förståelse och göra klockan till en framåtblickande åldersindikator.