Glioblastoom (GB) is de meest agressieve primaire hersentumor bij volwassenen met een totale overlevingskans van slechts 15 maanden. De effectiviteit van de behandeling van ziekten zoals hersenkanker wordt belemmerd door heterogeniteit, niet alleen tussen maar ook binnen patiënten, waar meerdere celstadia bestaan, en door plasticiteit, waarbij celstadia kunnen overgaan in een andere, bevorderd door genetische afwijkingen en omgevingsfactoren. We zijn geïnteresseerd in het ontrafelen van de regulerende programma's die aan deze heterogeniteit en plasticiteit ten grondslag liggen. Daarom zullen we machine learning en deep learning-benaderingen gebruiken om multi-omics-data op het niveau van individuele cellen te integreren en te modelleren. We verwachten regulerende mechanismen en belangrijke regulatoren van fenotypische plasticiteit te identificeren, wat op de langere termijn zou kunnen leiden tot effectievere, gepersonaliseerde therapie.