Detailseite
Projekt
Identification of Causal Dependences in Gene Regulatory Networks using Algorithmic Information Theory
Antragsteller
Privatdozent Dr. Dominik Janzing; Professor Dr. Jan Lohmann
Fachliche Zuordnung
Elektronische Halbleiter, Bauelemente und Schaltungen, Integrierte Systeme, Sensorik, Theoretische Elektrotechnik
Förderung
Förderung von 2010 bis 2014
Projektkennung
Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 150509111
In diesem Projekt soll die Kausalstruktur von Genregulationsnetzwerken der pflanzlichen Stammzellkontrolle mittels neuer, in diesem Projekt zu entwickelnder, Methoden analysiert werden. Kausale Inferenz anhand statistischer Daten erfordert in der Regel eine große Anzahl von Datenpunkten. Eigene Vorarbeiten zeigen jedoch, dass kausale Schlüsse im Prinzip auch für Sample-Größe eins möglich ist wenn die Variablen hochdimensional sind, da auch algorithmische Information kausale Hinweise liefern kann. Da algorithmische Information unberechenbar ist, ist die Entwicklung berechenbarer nicht-statistischer Abhängigkeitsmaße erforderlich. Unsere Ergebisse aus den ersten beiden Projektjahren zeigen, dass unter anderem die freie Wahrscheinlichkeitstheorie in hoch-dimensionalen Daten erfolgreich einsetzbar ist. Moderne Methoden ermöglichen, die Aktivität aller Gene eines Organismus quantitativ zu bestimmen. Für die Identifizierung der Kausalbeziehungen zwischen den einzelnen Transkripts benutzen wir induzierbare Expression um die Wirkung des Homöodomänentranskriptionsfaktors WUSCHEL auf das regulatorische Netzwerk der pflanzlichen Stammzelkontrolle zu analysieren. Nach entsprechender Clusterung der Gene erhalten wir hochdimensionale Variablen, die eine Anwendung für auf algorithmischer Information basierende Inferenzmethoden bieten. Wir werden dann die hierdurch identifizierten Kausalitäten experimentell überprüfen.
DFG-Verfahren
Schwerpunktprogramme
