-
Natural sciences
- Transcriptomics
-
Medical and health sciences
- Single-cell data analysis
Ondanks vooruitgang in computationele en experimentele biologie blijft het een uitdaging om deze benaderingen te integreren om moleculaire regelaars van celdifferentiatie te voorspellen en valideren. Ik stel voor om in vivo perturbaties, moleculaire profilering en probabilistische modellering te combineren om moleculaire netwerken die de celtoestand aansturen iteratief te verfijnen. Dit project richt zich op long- en levermacrofagen—waarbij tientallen genen in honderdduizenden cellen in vivo kunnen worden verstoord—en zal probabilistische modellen ontwikkelen die concrete hypothesen genereren over regulators van celtoestand. Eerste gegevens tonen aan dat de aanpak gevoelig, schaalbaar en hypothese-genererend is. Recursieve experimenten zullen voorspellingen valideren en modellen verfijnen. Deze “experiment-in-the-loop”-strategie is gericht op het blootleggen van de regulatoren van differentiatie en dient als blauwdruk voor het ontrafelen van diverse celpopulaties in gezondheid en ziekte.