Rechnerbasierte Systembiologie der Infektionen

und antimikrobiell-resistenten Krankheitserreger

Willkommen bei der Arbeitsgruppe Dräger!

Die Arbeitsgruppe Dräger wurde im Juli 2018 gegründet und widmet sich seither der rechnergestützten Systembiologie mit Schwerpunkt auf Infektionen und antimikrobiell-resistenten Krankheitserregern. Die Forschungsschwerpunkte der Gruppe umfassen alle Arbeitsschritte vom biologischen Phänomen bis hin zu dessen Simulation im Rechner. Dazu zählen sowohl die Rekonstruktion biologischer Systeme, deren mathematische Modellierung, die Standardisierung dieser Modelle, wie auch die Entwicklung spezialisierter Software-Lösungen und die Anwendung von Methoden des maschinellen Lernens. Ein wesentliches Ziel besteht darin, modellgetrieben neue Hypothesen abzuleiten, mit denen zunehmende Antibiotikaresistenzen systematisch bekämpft werden können.


Systembiologie: Ein kurzer Überblick

Externer Inhalt

Hier wäre eigentlich ein Video zu sehen. Damit Sie diesen Inhalt (Quelle: www.xyz.de) sehen können, klicken Sie bitte auf "Akzeptieren". Wir möchten Sie darauf hinweisen, dass durch die Anzeige dieses Videos Daten an Dritte übertragen oder Cookies gespeichert werden könnten.

Weitere Informationen finden Sie in unserer Datenschutzerklärung.

Folgen Sie uns in sozialen Medien:


Sonderausgabe in MDPI metabolites zur Stoffwechsel-Modellierung des menschlichen Nasenmikrobioms

Wir freuen uns, eine Sonderausgabe der Zeitschrift Metabolites ankündigen zu können, die sich der metabolischen Modellierung des menschlichen Nasenmikrobioms widmet.

Als Bindeglied zwischen der Umwelt und dem Körperinneren spielt die Nase eine entscheidende Rolle bei der Abwehr zahlreicher Infektionskrankheiten: Eine Fülle kommensaler und pathogener Bakterienarten sowie Viren besiedeln wiederkehrend höchst unterschiedliche Lebensräume in den Nasenlöchern. Während antivirale Therapeutica häufig gar nicht zur Verfügung stehen, führt die Ausbreitung von Antibiotikaresistenzen dazu, dass viele schädliche Erreger nicht länger zuverlässig auf antibakterielle Medikamente ansprechen. Gleichzeitig kann das komplexe Zusammenspiel zwischen kommensalen Bakterien, menschlichen Körperzellen und weiteren Nasenbewohnern das Risiko für schwere Infektionen verringern und womöglich alternative Behandlungsstrategien hervorbringen. Diese Sonderausgabe sammelt Studien, die im Zusammenhang mit systembiologischen Modellierungsansätzen des menschlichen Nasenmikrobioms stehen.

Zu den möglichen Themen gehören unter anderem
  • Biologie der Nase und ihrer Besiedlung
  • Rekonstruktionen von Computermodellen der Nasenbewohner und relevanten Wirtszellen
  • Interaktionen und Interventionsmöglichkeiten
  • Software für Simulation und Visualisation

Weitere Informationen finden Sie unter mdpi.com/si/88426.

Neueste Veröffentlichungen

  1. High-Quality Genome-Scale Reconstruction of Corynebacterium glutamicum ATCC 13032
    M. Feierabend, A. Renz, E. Zelle, K. Nöh, W. Wiechert und A. Dräger
    Frontiers in Microbiology, 15 November 2021.
    [ Details | DOI | PDF | Pubmed | BibTeX ]
  2. COVID-19 Disease Map, a computational knowledge repository of SARS-CoV-2 virus-host interaction mechanisms
    M. Ostaszewski, A. Niarakis, A. Mazein, I. Kuperstein, R. Phair, A. Orta-Resendiz, V. Singh, S. S. Aghamiri, M. L. Acencio, E. Glaab, A. Ruepp, G. Fobo, C. Montrone, Barbara Brauner, Goar Frishman, L. C. Monraz Gémez, J. Somers, M. Hoch, S. Kumar Gupta, J. Scheel, H. Borlinghaus, T. Czauderna, F. Schreiber, A. Montagud, M. Ponce de Leon, A. Funahashi, Y. Hiki, N. Hiroi, T. G. Yamada,  A. Dräger, A. Renz, M. Naveez, Z. Bocskei, F. Messina, D. Börnigen, L. Fergusson, M. Conti, M. Rameil, V. Nakonecnij, J. Vanhoefer, L. Schmiester, M. Wang, E. E. Ackerman, J. E. Shoemaker, J. Zucker, K. L. Oxford, J. Teuton, E. Kocakaya, G. Y. Summak, K. Hanspers, M. Kutmon, S. Coort, L. Eijssen, F. Ehrhart, R. D. A. B., D. Slenter, M. Martens, R. Haw, B. Jassal, L. Matthews, M. Orlic-Milacic, A. Senff-Ribeiro, K. Rothfels, V. Shamovsky, R. Stephan, C. Sevilla, T. M. Varusai, J.-M. Ravel, R. Fraser, V. Ortseifen, S. Marchesi, P. Gawron, E. Smula, L. Heirendt, V. Satagopam, G. Wu, A. Riutta, M. Golebiewski, S. Owen, C. Goble, X. Hu, R. Overall, D. Maier, A. Bauch, J. A. Bachman, B. M. Gyori, C. Vega, V. Grouès, M. Vazquez, P. Porras, L. Licata, M. Iannuccelli, F. Sacco, D. Turei, A. Luna, O. Babur, S. Soliman, A. Valdeolivas, M. Esteban-Medina, M. Peña-Chilet, T. Helikar, B. Lal Puniya, A. Nesterova, A. Yuryev, A. de Waard, D. Modos, A. Treveil, M. L. Olbei, B. De Meulder, A. Naldi, A. Dugourd, V. Noël, L. Calzone, C. Sander, E. Demir, T. Korcsmaros, T. C. Freeman, F. Auge, J. S. Beckmann, J. Hasenauer, O. Wolkenhauer, E. Willighagen, A. R. Pico, C. Evelo, M. Gillespie, L. D. Stein, H. Hermjakob, P. DʼEustachio, J. Saez-Rodriguez, J. Dopazo, A. Valencia, H. Kitano, E. Barillot, C. A., R. Balling, R. Schneider und die COVID-19-Gemeinschaft für die Erstellung von Krankheitskarten
    Molecular Systems Biology 17: e10387, 19. Oktober 2021.
    [ Details | DOI | Preprint | PubMed | PDF | BibTeX ]
  3. SBMLWebApp: Web-based Simulation, Steady-State Analysis, and Parameter Estimation of Systems Biology Models
    T. G. Yamada, K. Ii, M. König, M. Feierabend, A. Dräger und A. Funahashi
    Processes, 9(10), 15. Oktober 2021.
    [ Details | DOI | Preprint | PubMed | PDF | BibTeX ]
  4. An updated genome-scale metabolic network reconstruction of Pseudomonas aeruginosa PA14 to characterize mucin-driven shifts in bacterial metabolism
    D. D. Payne, A. Renz, L. J. Dunphy, T. Lewis, A. Dräger und J. A. Papin
    npj Systems Biology and Applications 7, 37, 8. Oktober 2021.
    [ Details | DOI | Preprint | PubMed | PDF | BibTeX ]
  5. The Systems Biology Simulation Core Library
    H. Panchiwala, S. Shah, H. Planatscher, M. Zakharchuk, M. König und A. Dräger
    Bioinformatics, 23. September 2021.
    [ DetailsDOI | Preprint | PubMed | PDF | BibTeX ]
  6. Genome-scale modeling of Pseudomonas aeruginosa PA14 unveils its broad metabolic capabilities and role of metabolism in drug potentiation
    S. Dahal, A. RenzA. Dräger und L. Yang
    BioRxiv, 22. September 2021.
    [ Details | DOI | PDF | BibTeX ]
  7. Curating and Comparing 114 Strain-Specific Genome-Scale Metabolic Models of Staphylococcus aureus
    A. Renz und A. Dräger
    npj Systems Biology and Applications 7, 30, 29. Juni 2021.
    [ Details | DOI | Preprint | PubMed | PDF | BibTeX ]
  8. SysMod: the ISCB community for data-driven computational modelling and multi-scale analysis of biological systems
    A. Dräger, T. Helikar, M. Barberis, M. Birtwistle, L. Calzone, C. Chaouiya, J. Hasenauer, J. R. Karr, A. Niarakis, M. Rodríguez Martínez, J. Saez-Rodriguez und J. Thakar
    Bioinformatics, btab229, 24. Juni 2021.
    [ Details | DOI | Preprint | PubMed | PDF | BibTeX ]
  9. Genome-Scale Metabolic Model of Infection with SARS-CoV-2 Mutants Confirms Guanylate Kinase as Robust Potential Antiviral Target
    A. Renz, L. Widerspick und A. Dräger
    Genes, 2021, 12, 796. 24. Mai 2021.
    [ Details | DOI | Preprint | PubMed | PDF | BibTeX ]
  10. First Genome-Scale Metabolic Model of Dolosigranulum pigrum Confirms Multiple Auxotrophies
    A. Renz, L. Widerspick und A. Dräger
    Metabolites, 11(4), 232, 9. April 2021.
    [ Details | DOI | PubMed | PDF | BibTeX ]
  11. FBA reveals guanylate kinase as a potential target for antiviral therapies against SARS-CoV-2
    A. Renz, L. Widerspick und A. Dräger
    Bioinformatics, Band 36, Ausgabe Supplement_2, 29. Dezember 2020, Seiten i813-i821.
    [ Details | DOIZenodo | PubMed | YouTubePDF | BibTeX ]
  12. Computational Model Informs Effective Control Interventions against Y. enterocolitica Co-Infection
    R. Mostolizadeh und A. Dräger
    Biology, 9(12), Sonderausgabe Computational Biology, 30. November 2020.
    [ Details | DOI | Preprints | PubMed | PDF | BibTeX ]
  13. Longitudinal multi-omics analyses identify responses of megakaryocytes, erythroid cells and plasmablasts as hallmarks of severe COVID-19 trajectories
    J. P. Bernardes, N. Mishra, F. Tran, T. Bahmer, L. Best, J. I. Blase, D. Bordoni, J. Franzenburg, U. Geisen, J. Josephs-Spaulding, P. Köhler, A. Künstner, E. Rosati, A. C. Aschenbrenner, P. Bacher, N. Baran, T. Boysen, B. Brandt, N. Bruse, J. Dörr, A. Dräger, G. Elke, D. Ellinghaus, J. Fischer, M. Forster, A. Franke, S. Franzenburg, N. Frey, A. Friedrichs, J. Fuß, A. Glück, J. Hamm, F. Hinrichsen, M. P. Höppner, S. Imm, R. Jünker, S. Kaiser, Y. H. Kan, R. Knoll, C. Lange, G. Laue, C. Lier, M. Lindner, G. Marinos, R. Markewitz, J. Nattermann, R. Noth, P. Pickkers, K. F. Rabe, A. Renz, C. Röcken, J. Rupp, A. Schaffarzyk, A. Scheffold, J. Schulte-Schrepping, D. Schunck, D. Skowasch, T. Ulas, K.-P. Wandinger, M. Wittig, J. Zimmermann, H. Busch, B. F. Hoyer, C. Kaleta, J. Heyckendorf, M. Kox, J. Rybniker, S. Schreiber, J. Schultze und P. Rosenstiel
    Immunity, 26. November 2020.
    [ Details | DOI | MedRxiv | PubMed | PDF | BibTeX ]