ProjectProfessorship for Applied Natural Products Genome Mining

Basic data

Title:
Professorship for Applied Natural Products Genome Mining
Duration:
1/1/2021 to 12/31/2025
Abstract / short description:
Die TTU-Infrastruktur Applied Natural Products Genome Mining ist ein zentraler Bestandteil der TTU NAB und befindet sich an der Schnittstelle zwischen Bioinformatik, Molekularbiologie und Naturstoffanalytik. Das Hauptziel dieser Infrastruktur ist die Entwicklung bioinformatischer Methoden und der Nutzung großer Datenmengen, um die die Effizienz der Entdeckung von neuartigen Antibiotika aus Naturstoffen zu verbessern.
Mikroorganismen produzieren eine enorme Vielfalt an Sekundärmetaboliten. Dabei sind die diversen chemischen Strukturen oft hoch komplex und auffallend aktiv. Diese Bioaktivität nutzen Naturstoffforscher, um in mikrobiellen Sekundärmetabolitproduzenten nach neuen potenziellen Medikamenten zu suchen. Herkömmliche Bioaktivitäts-Screenings zeigen jedoch sehr hohe Wiederentdeckungsraten und machen die Bemühungen zur Wirkstoffentdeckung kostspielig und zeitaufwendig. Bioinformatische Genom-Mining-Methoden leiten moderne Bemühungen zur Entdeckung von Antibiotika führen zu effektiveren und gezielteren Entdeckungen von Antibiotika.
Das Hauptziel dieser Förderphase ist die Weiterentwicklung unserer erfolgreichen Genome Mining Software: „Antibiotic Target Seeker“ (ARTs) and „automated multilocus species tree“ (autoMLST), um zu einen vielversprechende Taxa mit neuartigen Biosynthesegenclustern zu identifizieren, und zum anderen eine verbesserte Priorisierung von Biosynthesegenclustern, welche Antibiotika mit neuen Wirkmechanismen kodieren zu priorisieren. Darüber hinaus werden wir neue Software entwickeln, welche Transkriptomdaten analysieren kann und gleichzeitig eine bioinformatische und phylogenetische Analyse regulatorischer Elemente durchführt. Diese Software soll vor allem bei der Aktivierung der vielen so genannten stillen Gencluster, welche nicht unter normalen Laborbedingungen produziert werden, helfen. Wir werden ausserdem Ansätze des maschinellen Lernens nutzen, um Antibiotika produzierende Bakterien und ihre Wirkungsweise vorherzusagen. Die entwickelten Software Tools werden experimentell verifiziert und an Bakteriengenomen aus unserer hauseigenen Stammsammlung getestet. Alle Werkzeuge, Pipelines und Verbindungen stehen allen DZIF-Forschern frei zur Verfügung und sind auch zentraler Bestandteil anderer Forschungsvorhaben innerhalb dieser Förderrunde.

Involved staff

Managers

Faculty of Science
University of Tübingen
Interfaculty Institute of Microbiology and Infection Medicine (IMIT)
Interfaculty Institutes

Contact persons

Interfaculty Institute of Microbiology and Infection Medicine (IMIT)
Interfaculty Institutes

Other staff

Faculty of Science
University of Tübingen
Interfaculty Institute of Microbiology and Infection Medicine (IMIT)
Interfaculty Institutes

Local organizational units

Faculty of Science
University of Tübingen

Funders

Braunschweig, Niedersachsen, Germany
Help

will be deleted permanently. This cannot be undone.