Das vorliegende Teilprojekt (Bioinformatik) soll statistische Modelle entwickeln, die kausale Mutationen und kausale Signalwege anhand des integrativen Genotyps, des Genexpressionsprofils, des funktionellen genomischen Screenings sowie phänotypischer Daten von Patienten-Zelllinien identifizieren können. Zur Entwicklung statistischer Methoden anhand des Genotyps, der Genexpression und phänotypischer Daten werden wir Bayessche Netzwerkmodellierung und Methoden vom Maschinellen Lernen einsetzen. Weiterhin sollen Methoden für die Analyse von Rohdaten (Normalisierung, Modellierung von stochastischen Prozessen wie experimentelles Rauschen) aus shRNA-Screens an Patienten-Zelllinien etabliert werden. Dies wird im ersten Schritt durch Analyse von shRNA-Daten in Kontrollzellen zu einer Liste der Gene der mitochondrialen Atmungskette führen. Anschließend werden statistische Modelle entwickelt, die eine Identifizierung von kausalen Mutationen und Signalwegen in Patienten anhand des Genotyps und personalisierter shRNA-Screening-Ergebnisse sowie deren Validierung in positiven Kontroll-Zelllinien ermöglichen. Die Generierung der Rohdaten und Validierung der Vorhersagen wird in den zwei anderen mitOmics-Teilprojekten durchgeführt.