Computational Cell Biology
Die Arbeitsgruppe für Computational Cell Biology ist Teil des Instituts für Informatik, gehört aber auch zum Department für Biologie. Unsere Forschung liegt am Übergang zwischen Biophysik, Biologie und Informatik. Wir entwickeln Computermodelle, um die Physiologie und das Wachstum von biologischen Zellen und Organismen quantitativ zu beschreiben. Unsere Modelle sind vollständig mechanistisch, das heißt, sie beruhen ausschließlich auf den Gesetzen der Physik und Chemie. Derzeit beschränken wir die Menge der verfügbaren Prozesse allerdings auf das, was tatsächlich in der Evolution des Lebens entstanden ist.
Wie organisieren Zellen die Konzentrationen ihrer vielen Komponenten? Wie beeinflusst die Thermodynamik das Design und die Funktion von Zellen und Organismen? Wie verändern sich zelluläre Netzwerke als Reaktion auf Veränderungen der Umgebung und im Lauf der Evolution? In wie weit stellen Veränderungen Anpassungen an wechselnde Umgebungen dar, in wie weit sind das Ergebnis von Zufallsprozessen? Diese Fragen sind grundlegend für einen Großteil unserer Forschung.
Wir betrachten mechanistische Modelle als eine quantitative, umfassende Zusammenfassung unseres gegenwärtigen Verständnisses biologischer Systeme, aufbauend auf Physik und Chemie. In unseren Forschungsprojekten geht es um die folgenden Themen:
-
molekulare Modelle des zellulären Stoffwechsels, insbesondere der Einfluss von Metabolitkonzentrationen auf die Kinetik und Thermodynamik von Enzymen;
-
molekulare Modelle des balancierten Wachstums einzelner Zellen;
-
multiskalige Modelle der Funktion und des Wachstums kompletter Organismen, gegenwärtig fokussiert auf Pflanzen;
-
Methoden der künstlichen Intelligenz zur Vorhersage von Eigenschaften von Enzymen und Transportern (benötigt zur Parameterisierung der Modelle).
Night Science
Martin Lercher hat außerdem ein tiefgreifendes Interesse am kreativen Prozess der Naturwissenschaften. Zur Erforschung dieses „Night Science“ Prozesses arbeitet er intensiv mit Professor Itai Yanai von der NYU zusammen (https://med.nyu.edu/faculty/itai-yanai). Hierzu gehört eine Serie von Editorials in der Zeitschrift Genome Biology (https://www.biomedcentral.com/collections/night-science) sowie ein Night Science Podcast, in dem Yanai und Lercher den kreativen wissenschaftlichen Prozess mit anderen Forschenden diskutieren (https://nightscience.buzzsprout.com/ ; einige der Gäste sind z.B. Daniel Kahneman, Aviv Regev, Shafi Goldwasser, Steven Strogatz, Ewan Birney, und Uri Alon.
Ausgewählte Veröffentlichungen
Alexander Kroll, Sahasra Ranjan, Martin K. M. Engqvist, Martin J. Lercher. A general model to predict small molecule substrates of enzymes based on machine and deep learning. Nature Communications 2023 (in press)
Yanai I, Lercher MJ. Make science disruptive again. Nat Biotechnol. 2023 Apr;41(4):450-451. doi: 10.1038/s41587-023-01736-5. PMID: 36973558.
Dourado H, Mori M, Hwa T, Lercher MJ. On the optimality of the enzyme-substrate relationship in bacteria. PLoS Biol. 2021 Oct 26;19(10):e3001416. doi:10.1371/journal.pbio.3001416. PMID: 34699521; PMCID: PMC8547704.
Kroll A, Engqvist MKM, Heckmann D, Lercher MJ. Deep learning allows genome-scale prediction of Michaelis constants from structural features. PLoS Biol. 2021 Oct 19;19(10):e3001402. doi: 10.1371/journal.pbio.3001402. PMID: 34665809; PMCID: PMC8525774.
Hu XP, Dourado H, Schubert P, Lercher MJ. The protein translation machinery is expressed for maximal efficiency in Escherichia coli. Nat Commun. 2020 Oct
16;11(1):5260. doi: 10.1038/s41467-020-18948-x. PMID: 33067428; PMCID:PMC7568582.
Yanai I, Lercher M. A hypothesis is a liability. Genome Biol. 2020 Sep 3;21(1):231. doi: 10.1186/s13059-020-02133-w. PMID: 32883349; PMCID: PMC7650282.
Dourado H, Lercher MJ. An analytical theory of balanced cellular growth. Nat Commun. 2020 Mar 6;11(1):1226. doi: 10.1038/s41467-020-14751-w. PMID: 32144263;PMCID: PMC7060212.
Pang TY, Lercher MJ. Each of 3,323 metabolic innovations in the evolution of E. coli arose through the horizontal transfer of a single DNA segment. Proc Natl Acad Sci U S A. 2019 Jan 2;116(1):187-192. doi:10.1073/pnas.1718997115. Epub 2018 Dec 18. PMID: 30563853; PMCID: PMC6320504.
Chen WH, Lu G, Bork P, Hu S, Lercher MJ. Energy efficiency trade-offs drive nucleotide usage in transcribed regions. Nat Commun. 2016 Apr 21;7:11334. doi:10.1038/ncomms11334. PMID: 27098217; PMCID: PMC4844684.
Heckmann D, Schulze S, Denton A, Gowik U, Westhoff P, Weber AP, Lercher MJ. Predicting C4 photosynthesis evolution: modular, individually adaptive steps on a Mount Fuji fitness landscape. Cell. 2013 Jun 20;153(7):1579-88. doi:10.1016/j.cell.2013.04.058. PMID: 23791184.
The Society of Genes
Itai Yanai & Martin Lercher. The Society of Genes. Harvard University Press (2016). ISBN-10 : 9780674425026
(https://www.amazon.de/Society-Genes-Itai-Yanai/dp/0674425022)
(Übersetzungen verfügbar auf Deutsch, Holländisch, Koreanisch, Chinesisch, vereinfachtes Chinesisch)
Postanschrift
Abteilung Computational Cell Biology
Gebäude 25.02 Ebene 02
Universitätsstraße 1
40225 Düsseldorf
Logo by: Swastik Mishra