计算和RNA生物学

研究

我们的11个强大的研究小组在RNA生物学、生物信息学、计算生物学、机器学习以及种群和统计遗传学领域开展工作，我们的研究人员不断在高度认可的国际期刊上发表他们的研究。该部门设有生物信息学中心，拥有最先进的计算基础设施和实验室设施。

教育类

我们提供3年生物信息学学士程序。我们还提供2年生物信息学硕士课程面向获得生物信息学学士学位或具有计算机科学或分子生物学、生物化学或生物医学背景的学生。我们的学生获得了全面的理论知识和实践经验生物信息学，包括序列分析、蛋白质和RNA结构分析、基因组学、系统发育学、高通量大数据分析和机器学习方法。

值

我们努力营造一个友好、协作和专业的工作环境，促进卓越的研究和个人发展。

研究小组

生物信息中心计算生物学我们对基因调控机制以及RNA和蛋白质结构的预测感兴趣。我们的研究包括实验基因组学方法和计算生物学的结合，包括启动子和增强子分析，以及基于机器学习方法预测、设计和验证结构的复杂概率模型的开发。

	托马斯·哈默利克,教授 KU个人资料页\|个人研究页面通过开发描述蛋白质结构方面的复杂概率模型，我们致力于预测、设计和确定RNA和蛋白质的3D结构。这些模型主要基于机器学习方法（包括动态贝叶斯网络）、方向统计、角度、方向和方向的统计。

	阿尔宾·桑德林,教授 KU个人资料页\|个人研究页面 Sandelin实验室是一个由来自多个领域的科学家组成的计算/实验小组。我们专注于基因调控、转录组学、表观遗传学以及技术和信息学方面。在计算机的帮助下，我们探测使用新型基因组技术生成的大型生物数据集。我们的优势之一是与知名实验实验室的多次合作，这些实验室提供待分析的数据。

	罗宾·安德森,副教授 KU个人资料页\|个人研究页面安德森实验室旨在描述和更好地理解转录调控的结构以及增强子和启动子的基本特性。我们特别关注增强子转录及其与调节活性的关联。我们采用基因组学方法，利用计算和统计学习技术，基于大规模测序数据对转录调控进行建模。

	奥利·温特,教授 KU个人资料页我们有两个重点：开发机器学习和人工智能方法并将其应用于临床环境中的基因组数据，以及生物序列分析和医学信息学。机器学习研究是与DTU Compute的联合附属小组一起完成的。临床基因组研究是与基因组医学Rigshospitalet合作进行的。当前项目的一个例子是用于分析单细胞RNAseq数据的深度生成模型。

	艾米莉·斯坦因,副教授 KU个人资料页我们的实验室研究序列变异对蛋白质的影响，重点是其细胞稳定性和功能。我们对蛋白质变体进行高通量分析，并以此数据为基础开发和改进预测变体后果的方法。然后，我们应用这些方法来确定基因组变异是否可能致病。此外，我们旨在整合多重突变的影响，以应用于蛋白质工程。

生物信息中心

人口与统计遗传学

我们的团队开发并应用统计和计算方法来分析从格陵兰种群到反刍动物和非洲哺乳动物等多种生物的基因组数据。我们致力于多个领域，包括人类和动物疾病和治疗、牲畜生产、迁徙和物种形成过程以及复杂的人口分析。


	汉斯·西吉斯蒙德,副教授 KU个人资料页我们研究非洲大型哺乳动物（主要是牛和类人猿）的种群遗传学、系统地理学和物种形成过程。另一个研究领域包括东非口蹄疫病毒的进化遗传学研究。

	安德斯·阿尔布雷希森,教授 KU个人资料页\|个人研究页面我们的团队开发了用于分析基因组数据的统计和计算方法，包括执行多基因座关联研究的方法、检测和校正人口分层的方法、自然选择的检测方法、，基于基因座的方法用于通过下降建立同一性模型，以及用于分析第二代测序数据的各种方法。

	艾达·莫尔特克,副教授 KU个人资料页\|个人研究页面我们开发并将统计方法应用于基因组数据，目的是深入了解人类疾病、历史和进化。例如，通过研究格陵兰人的DNA，我们最近发现了一种基因变异，它解释了格陵兰10-15%的2型糖尿病病例。我们还调查了北极的迁徙历史，目前正在调查格陵兰人是如何通过基因适应北极寒冷的，以及他们富含脂肪的饮食（主要由海豹和鱼类组成）。

	拉斯穆斯·海勒,副教授 KU个人资料页\|个人研究页面我们研究野生哺乳动物的进化和种群遗传学，重点是反刍动物。我们的研究兴趣包括阐明气候、生态系统和人类如何影响非洲野生哺乳动物种群，研究牛的适应性渗入，以及探索如何利用基因组数据来帮助保护。我们还参与了一个反刍动物基因组项目，该项目旨在了解反刍动物是如何进化出新的解剖结构的，以及它是如何帮助它们成为最成功的哺乳动物谱系之一的。

RNA生物学

我们采用并发展了分子、遗传和生物化学方法来研究基于RNA的机制如何调节基因表达和细胞发育。我们主要研究植物中的RNA结构、RNA修饰、RNA-蛋白质相互作用以及miRNA调控。


	彼得·布罗德森,教授 KU个人资料页\|个人研究页面我们小组研究小RNA调节基因表达的机制。我们使用开花植物拟南芥作为模型系统，并在我们的工作中特别使用了分子遗传学和生物化学方法。

	简·克里斯蒂安森,副教授（名誉） KU个人资料页\|个人研究页面我们主要关注转录后事件，如RNA定位、RNA稳定性和翻译控制，重点关注细胞质RNA结合蛋白在胎儿生命和肿瘤发生过程中的作用。

	杰佩·文瑟,副教授 KU个人资料页\|个人研究页面在我们小组中，我们的目标是确定RNA结构和RNA-蛋白质相互作用如何影响基础细胞过程。这一知识对于理解提高RNA药物的效率和特异性的方法非常重要。

生物信息学中心

2002年，哥本哈根大学科学院认识到生物信息学研究和教育的重要性，并聘请安德斯·克罗格教授领导这项工作。在他的领导下，在诺和诺德基金会的慷慨支持下，生物信息学中心于2005年作为一个独立的中心成立。

该中心位于生物系计算和RNA生物学科，聘用了从事生物信息学广泛主题研究的研究人员，并包括计算机科学系的共聘教员。

该中心现在是丹麦最强大的跨学科研究环境之一。多年来，生物信息学中心的研究人员做出了许多突出的研究贡献，并继续在生物信息学领域取得世界级的研究成果。

研究重点

基础机器学习研究中心

生命科学基础机器学习研究中心

在诺和诺德基金会的慷慨支持下，生命科学基础机器学习中心（MLLS）于2021年1月21日成立。我们汇集了丹麦领先的机器学习研究小组，为生命科学领域未来的数据科学进步奠定了坚实的基础。

人工智能和数据科学正在迅速改变科学的实施方式。研究人员越来越依赖于以数据为中心的观点，即实验数据用于发现数据中的模式并表达新的科学假设。

为了从数据中提取信息，现代数据科学技术通常会将原始的感官测量“转换”为抽象的数据表示，但这些表示往往难以理解和解释，这阻碍了它们用于表述稳健假设。在生命科学领域尤其如此，因为那里的数据通常是“嘈杂的”和不完整的。

为了提供这些问题的解决方案，我们开展了机器学习的基础研究，该研究受到生物学和生物医学基本问题的启发和启发。

阅读有关MLLS的更多信息在这里

软件和服务

生物信息中心提供一系列免费在线服务、开放存取数据库和开源软件包。

	ANGSD公司 ANGSD是用于分析下一代测序数据的软件。该软件可以处理从映射读取到输入基因型概率的许多不同输入类型。大多数方法都考虑了基因型的不确定性，而不是基于所谓的基因型进行分析。这对于中低深度数据尤其有用。


	巴纳克利 BARNACLE是一个用于RNA 3D结构预测的Python库。它可以用于与给定核苷酸序列兼容的RNA结构的概率采样，这些结构在局部长度尺度上类似于RNA。

	BASILISK公司 BASILISK是蛋白质中氨基酸侧链构象空间的概率模型。与旋转体库不同，BASILISK在连续空间中对chi角进行建模，包括蛋白质骨架的影响。


	贝叶斯贝叶斯集合是一种贝叶斯方法，用于从RNA-seq数据进行转录组组装。


	血斑 BloodSpot是一个数据库，提供健康和恶性造血中基因的基因表达谱和基因特征，包括人类和小鼠的数据。

	BWA-PSSM公司 BWA-PSSM是一种基于位置特定评分矩阵（PSSM）的概率短读对准器。像许多现有的对准器一样，它既快速又灵敏。然而，与大多数其他对准器不同，它也具有自适应性，即可以根据数据集中的已知偏差指导对准。它被编码为原始BWA比对程序的修改，并共享基因组索引结构以及许多命令行选项。


	HemaExplorer公司 HemaExplorer是一个简单的网络工具，用于可视化造血系统中的基因表达。网络服务器接受一个或两个基因作为查询，并提供参与造血的细胞中该基因的表达图。目前，该数据库包含人类正常髓系、人类AML和小鼠造血系统的选项。

	JASPAR公司 JASPAR是一个领先的矩阵剖面开放存取数据库，描述转录因子和其他蛋白质以序列特异性方式与DNA相互作用的DNA结合模式。

	怪兽 Kaiju是一个从宏基因组DNA的全基因组测序中进行高通量测序读取的分类分配程序。


	莫卡比++ Mocapy++是一个动态贝叶斯网络工具包，用C++实现。它支持离散、多项式、高斯、肯特、冯·米塞斯和泊松节点。推理和学习由吉布斯抽样/随机EM完成。

	费斯托斯 Phaistos是蛋白质结构预测工具的集合。它目前具有FB5DBN和TorusDBN模型，这使得可以对与给定氨基酸和/或二级结构序列兼容的蛋白质结构进行采样。

	菲比乌斯 Phobius是从蛋白质的氨基酸序列预测跨膜拓扑结构和信号肽的服务器。


	Saqqaq基因组项目萨卡克基因组项目的主要数据是：古代人类基因组的测序，该基因组取自约4000年前保存在永久冻土中的萨卡克文化男性古埃斯基诺人的头发，是格陵兰最早的定居者。

主要出版物

教育类

该科在硕士生教育方面有着悠久而自豪的传统。该部门最近增加了生物信息学学士课程，以增强学生的实力、课程连续性和研究生的优异表现。学士和硕士的学生由我们杰出的教师授课，在课程完成时获得生物信息学理学士和生物信息学理学硕士分别是。有两个硕士课程：计算生物学和计算机科学。

计算生物学课程面向希望将生物信息学技能添加到生物、生物化学和生物医学实验背景中的学生
计算机科学课程是为那些希望将编程知识应用于生物技术、生物医学或相关领域的创新和解决问题的学生开设的。

此外，该科还为生物学、生物化学和生物医学学生的教育作出贡献。

新闻档案

论文

硕士论文 | 博士论文

联系人

计算部分
和RNA生物学
Ole Maalöes Vej 5号
DK-2200哥本哈根N

剖面标头
副教授杰佩·文瑟
 jvinther@bio.ku.dk

生物信息中心计算生物学我们对基因调控机制以及RNA和蛋白质结构的预测感兴趣。我们的研究包括实验基因组学方法和计算生物学的结合，包括启动子和增强子分析，以及基于机器学习方法预测、设计和验证结构的复杂概率模型的开发。

	托马斯·哈默利克,教授 KU个人资料页\|个人研究页面通过开发描述蛋白质结构方面的复杂概率模型，我们致力于预测、设计和确定RNA和蛋白质的3D结构。这些模型主要基于机器学习方法（包括动态贝叶斯网络）、方向统计、角度、方向和方向的统计。

	阿尔宾·桑德林,教授 KU个人资料页\|个人研究页面 Sandelin实验室是一个由来自多个领域的科学家组成的计算/实验小组。我们专注于基因调控、转录组学、表观遗传学以及技术和信息学方面。在计算机的帮助下，我们探测使用新型基因组技术生成的大型生物数据集。我们的优势之一是与知名实验实验室的多次合作，这些实验室提供待分析的数据。

	罗宾·安德森,副教授 KU个人资料页\|个人研究页面安德森实验室旨在描述和更好地理解转录调控的结构以及增强子和启动子的基本特性。我们特别关注增强子转录及其与调节活性的关联。我们采用基因组学方法，利用计算和统计学习技术，基于大规模测序数据对转录调控进行建模。

	奥利·温特,教授 KU个人资料页我们有两个重点：开发机器学习和人工智能方法并将其应用于临床环境中的基因组数据，以及生物序列分析和医学信息学。机器学习研究是与DTU Compute的联合附属小组一起完成的。临床基因组研究是与基因组医学Rigshospitalet合作进行的。当前项目的一个例子是用于分析单细胞RNAseq数据的深度生成模型。

	艾米莉·斯坦因,副教授 KU个人资料页我们的实验室研究序列变异对蛋白质的影响，重点是其细胞稳定性和功能。我们对蛋白质变体进行高通量分析，并以此数据为基础开发和改进预测变体后果的方法。然后，我们应用这些方法来确定基因组变异是否可能致病。此外，我们旨在整合多重突变的影响，以应用于蛋白质工程。


	汉斯·西吉斯蒙德,副教授 KU个人资料页我们研究非洲大型哺乳动物（主要是牛和类人猿）的种群遗传学、系统地理学和物种形成过程。另一个研究领域包括东非口蹄疫病毒的进化遗传学研究。

	安德斯·阿尔布雷希森,教授 KU个人资料页\|个人研究页面我们的团队开发了用于分析基因组数据的统计和计算方法，包括执行多基因座关联研究的方法、检测和校正人口分层的方法、自然选择的检测方法、，基于基因座的方法用于通过下降建立同一性模型，以及用于分析第二代测序数据的各种方法。

	艾达·莫尔特克,副教授 KU个人资料页\|个人研究页面我们开发并将统计方法应用于基因组数据，目的是深入了解人类疾病、历史和进化。例如，通过研究格陵兰人的DNA，我们最近发现了一种基因变异，它解释了格陵兰10-15%的2型糖尿病病例。我们还调查了北极的迁徙历史，目前正在调查格陵兰人是如何通过基因适应北极寒冷的，以及他们富含脂肪的饮食（主要由海豹和鱼类组成）。

	拉斯穆斯·海勒,副教授 KU个人资料页\|个人研究页面我们研究野生哺乳动物的进化和种群遗传学，重点是反刍动物。我们的研究兴趣包括阐明气候、生态系统和人类如何影响非洲野生哺乳动物种群，研究牛的适应性渗入，以及探索如何利用基因组数据来帮助保护。我们还参与了一个反刍动物基因组项目，该项目旨在了解反刍动物是如何进化出新的解剖结构的，以及它是如何帮助它们成为最成功的哺乳动物谱系之一的。

生物系

计算和RNA生物学

研究

教育类

值

研究小组

生物信息中心

计算生物学

生物信息中心

人口与统计遗传学

RNA生物学

生物信息学中心

研究重点

基础机器学习研究中心

生命科学基础机器学习研究中心

软件和服务

主要出版物

教育类

新闻档案

论文

联系人

科室工作人员

章节出版物

内联网部分