Die experimentelle und computationale Doktorandenstelle ist in der Arbeitsgruppe KI-gestützte Therapiesteuerung in der personalisierten Krebsbehandlung (Prof. Kristian Unger, LMU Klinik und Poliklinik für Strahlentherapie) und der Arbeitsgruppe Molekulare Neuropathologie (Prof. Patrick Harter, LMU Zentrum für Neuropathologie und Prionforschung) angesiedelt. Die Doktorarbeit ist Teil des von der Deutschen Krebshilfe geförderten Translationsprogramms PRIDE-T zur laufenden klinischen Studie PRIDE, die den therapeutischen Effekt einer Erhöhung der Strahlendosis bei gleichzeitiger Minimierung der Nebenwirkungen bei der Behandlung der aggressivsten Form von Hirntumoren, dem Glioblastom, untersucht. Im Rahmen von PRIDE-T werden multiomische Daten auf Genom-, Transkriptom-, Proteom- und Epigenomebene sowie auf posttranslationaler Ebene erfasst und mit klinischen Patientendaten verknüpft, um molekulare Vorhersagemodelle zu generieren bzw. die molekularen Mechanismen zu modellieren, die dem Therapieansprechen zugrunde liegen.
Die Hauptaufgabe des Promovierenden besteht in der Generierung und Analyse der multiomischen Daten aus Blut- und Gewebeproben von Patienten der PRIDE-Studie, sowie deren Vorverarbeitung, Analyse und Exploration hinsichtlich der Erstellung von therapieunterstützenden Vorhersagemodellen, bzw. der Ergründung von Mechanismen, welche zielgerichtete, individualisierte Therapieoptionen ermöglichen. Das Promotionsprojekt ist eingebettet in ein Kooperationsnetzwerk aus onkologischen Fächern des LMU Klinikums und der LMU, Forschungsgruppen am Standort München bzw. nationalen und internationalen Kooperationspartnern.
Die Aufgaben des Promovierenden umfassen:
- Organisation und Logistik von klinischen Proben und klinischen Daten
- Nukleinsäureextraktion
- Generierung von DNA-Methylierungs- und Mikro-RNA Daten
- Zusammenarbeit-/Unterstützung mit kooperierenden Laboren zur Generierung von DNA-Sequenz-, Transkriptom- und Proteomdaten
- Entwicklung und Anwendung von bioinformatischen Analysekonzepten:
- Identifizierung von genomischen Varianten, spezifischen Gen-, DNA-Methylierungs-, Genexpressions- und Proteinexpressionsveränderungen
- Signalweg- bzw. Gene Set Analysen
- Dekonvolutionsbasierte Ermittlung von Tumor-Mikromilieusubtypen
- Statistische Assozationsanalysen
- Überlebenszeitanalysen
- Entwicklung und Anwendung von KI-basierten Ansätzen zur Ermittlung von therapeutischen Vorhersagemodellen:
- Regressionsbasiertes maschinelles Lernen
- Vorhersagemodelle basierend auf Neuronalen Netzen
- Niederdimensionale Representationen unter Benutzung von Foundation Modellen
- Publikation von Forschungsergebnissen in Fachzeitschriften
- Interdisziplinäre Zusammenarbeit mit Medizinern, Biologen und anderen Wissenschaftlern
