FLI-Seminar mit Asis Hallab

Tensor Omics ist ein neuartiges Bioinformatik-gestütztes Verfahren, das Transkriptom- und integrierte Omics-Daten analysiert, indem es diese in semantisch strukturierte Vektorräume projiziert, wobei jede Achse einen biologischen Kontext wie Gewebe, Ernährung, Krankheit oder Alterung widerspiegelt. Es ermöglicht beispielsweise die geometrische Untersuchung von Genfamilien anhand von Expressionsverschiebungen aus konservierten Stadien, wodurch Divergenz, Spezifität und Anpassung aufgedeckt werden. Funktionelle Divergenzen – wie Neo- und Subfunktionalisierung oder Dosiseffekte – werden mithilfe einfacher Vektoralgebra erkannt, was eine neuartige Methode für die zuverlässige Erkennung von Ausreißern über Arten und Omics-Ebenen hinweg darstellt.

Tensor Omics kann auf die metagenomische Transkriptomanalyse angewendet werden, indem es Genexpressionsverschiebungen zwischen verwandten Genen und Arten quantifiziert. Außerdem unterstützt es die Trajektorienanalyse in Zeitreihendaten, indem es die Omics-Dynamik als Kurven in einem hochdimensionalen Raum modelliert. Im Gegensatz zu herkömmlichen systembiologischen Werkzeugen ist es von Natur aus auf Proteomik, Metabolomik und Phänotypisierung erweiterbar und ermöglicht intuitive, multiskalige Untersuchungen zu Stressreaktionen, Alterung und Mikrobiomfunktionen. Durch die Arbeit mit Vektoren, Matrizen und Tensoren – mathematischen Objekten, die in der KI beheimatet sind – schlägt es eine Brücke zwischen hochdimensionaler Biologie und maschinellem Lernen für skalierbare, interpretierbare Analysen.

Dieses Seminar wird als Präsenzveranstaltung durchgeführt.