Planten controleren de expressie van duizenden genen tijdens de groei, ontwikkeling of als reactie op externe stimuli. Hoewel genexpressie sterk varieert tussen verschillende organen en weefsels, is het grotendeels onbekend hoe deze specificiteit in het genoom wordt gecodeerd. Het doel van dit project is om single-cell genomics, verklaarbare artificiele intelligentie  en synthetische promotors te combineren om op efficiënte wijze regulerende sequenties te leren en te valideren die de genexpressie in planten controleren. Gebaseerd op single-cell genexpressieprofilering in het model Arabidopsis, zullen xAI-modellen worden gebouwd die genexpressie onder controle- en stressomstandigheden voorspellen, terwijl tegelijkertijd de onderliggende regulerende DNA-sequenties en syntaxis worden geïdentificeerd. Door de kracht van geavanceerde computationele en experimentele methoden te combineren, zal ik nieuwe regulerende sequenties leren en nieuwe synthetische promoters ontwerpen die genexpressie in complexe cellulaire contexten controleren.