Ermöglichung der effektiven und sicheren Anwendung des CRISPR/Cas-Systems in primären Humanzellen mittels Deep-Learning-basierter Vorhersagealgorithmen auf der Basis gut untersuchter Zelltypen (A05)

• Fachliche Zuordnung: Bioinformatik und Theoretische Biologie ; Allgemeine Genetik und funktionelle Genomforschung
• Förderung: Förderung seit 2023
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 499552394

Wir werden einen Deep-Learning-Ansatz für die zelltypspezifische Vorhersage der Wirksamkeit und Spezifität von CRISPR-Cas entwickeln, der die Ähnlichkeit von Datensätzen in einer Pre-Training-Strategie berücksichtigt. Dabei werden verschiedene Arten von Information einbezogen und verschiedene Ansätze zur Ähnlichkeit zwischen Datensätzen untersucht werden. Um die Robustheit zu erhöhen, werden die Modelle auch mit adversarialen Beispielen trainiert. Experimentelle Validierung in verschiedenen therapeutisch genutzten menschlichen Zelltypen wird es uns ermöglichen, die Modelle in einem iterativen Prozess zu verfeinern und ihre klinische Relevanz sicherzustellen.

• DFG-Verfahren: Sonderforschungsbereiche
• Teilprojekt zu: SFB 1597: Small Data
• Antragstellende Institution: Albert-Ludwigs-Universität Freiburg
• Teilprojektleiter: Professor Dr. Rolf Backofen; Professor Dr. Toni Cathomen