Klinische Bioinformatik
Ziel unserer Gruppe ist es, die zelluläre Heterogenität und die molekularen Mechanismen bei Krebs im Kindesalter zu verstehen. Wir konzentrieren uns auf die Entwicklung und Anwendung computergestützter Ansätze zur Analyse von multizellulären und räumlichen Einzelzellinformationen, um Muster aufzudecken und relevantes Wissen über Krankheitsmechanismen zu gewinnen. Unsere Gruppe hat in jüngster Zeit mehrere robuste Analyseansätze und Plattformen entwickelt, um Einzelzellanalysen zu erleichtern. Wir entwickeln auch Methoden zur Entfaltung und Klassifizierung von DNA-Methylierung. Wir arbeiten eng mit experimentellen Partnern zusammen, um Einzelzell-Multiomik-Ansätze zur Beantwortung grundlegender Fragen bei Krebserkrankungen (z. B. Therapieresistenz) anzuwenden. Die Gruppe entwickelt sich weiter und konzentriert sich stärker auf das Einzelzell-Genom/Epigenom, Zell-Zell-Interaktionen und alternatives Spleißen, einschließlich der Untersuchung von Immunzellen.
Wir arbeiten weiter an der DNA-Methylierung für eine präzise Krebsdiagnose. Das übergeordnete Ziel ist ein besseres Verständnis der Krankheitsmechanismen für die Entdeckung von Angriffspunkten, die molekulare Diagnose und Klassifizierung sowie die Verbesserung der Behandlungsmöglichkeiten für Kinder mit Krebserkrankungen unter Verwendung modernster Einzelzell-/Raum-Omik und computergestützter Biologie.
Spotlight - AG Thongjuea
Vier Schwerpunkte auf einen Blick
1. Entwicklungen von Computermethoden und Software für die Einzelzellanalyse
2. Einzelzellansätze zur Untersuchung normaler und bösartiger Hämatopoese
3. Einzelzellansätze zur Untersuchung des Gehirns und anderer solider Tumore bei Kindern
4. Dekonvolution und Klassifizierung der DNA-Methylierung
Unsere Forschungsgebiete sind die computergestützte Einzelzellbiologie und die Krebsgenomik bei Kindern. Wir wenden die von uns entwickelten computergestützten Methoden an, um die Heterogenität von Krebszellen zu charakterisieren, indem wir groß angelegte Multi- und Einzelzell-Analysen und räumliche Transkriptomanalysen integrieren. Wir arbeiten an der Datenwissenschaft, indem wir Techniken des maschinellen Lernens und der statistischen Analyse anwenden, um Muster aufzudecken und Erkenntnisse über Krankheitsmechanismen zu gewinnen. Wir arbeiten an mehreren Einzelzellansätzen zur Untersuchung des Medulloblastoms und anderer solider Tumore bei Kindern. Dazu gehört die Entwicklung von Methoden/Plattformen für die Analyse einzelner Genome und Epigenome. Wir bauen Zell-Zell-Interaktionsnetzwerke auf, um zu verstehen, wie Krebszellen kommunizieren, insbesondere mit ihrer Mikroumgebung und den Immunzellen. Wir konzentrieren uns mehr auf die Integration von Genen und alternativen Spleißinformationen, um neue potenzielle Ziele zu erforschen. Wir arbeiten auch an der Massen-DNA-Methylierung, um neue Methoden für die Entfaltung und Klassifizierung von Proben zu entwickeln. Unsere Analysemethoden und Werkzeuge, die wir im Laufe unserer Forschung entwickelt haben, werden dazu beitragen, molekulare Signaturen zu identifizieren und ein Entscheidungshilfesystem für die Diagnose, Prognose und Entdeckung von Biomarkern oder die Entwicklung neuer zielgerichteter Therapien für eine personalisierte Behandlung bereitzustellen.
- Wen, W. X., A. J. Mead and S. Thongjuea (2023). "MARVEL: an integrated alternative splicing analysis platform for single-cell RNA sequencing data." Nucleic Acids Res.
- Wang, G., W. X. Wen, A. J. Mead, A. Roy, B. Psaila and S. Thongjuea (2022). "Processing single-cell RNA-seq datasets using SingCellaR." STAR Protoc 3(2): 101266.
- Roy, A., G. Wang, D. Iskander, S. O'Byrne, N. Elliott, J. O'Sullivan, G. Buck, E. F. Heuston, W. X. Wen, A. R. Meira, P. Hua, A. Karadimitris, A. J. Mead, D. M. Bodine, I. Roberts, B. Psaila and S. Thongjuea (2021). "Transitions in lineage specification and gene regulatory networks in hematopoietic stem/progenitor cells over human development." Cell Rep 36(11): 109698.
- Wen, W. X., A. J. Mead and S. Thongjuea (2020). "VALERIE: Visual-based inspection of alternative splicing events at single-cell resolution." PLoS Comput Biol 16(9): e1008195.
- Psaila, B., G. Wang, A. Rodriguez-Meira, R. Li, E. F. Heuston, L. Murphy, D. Yee, I. S. Hitchcock, N. Sousos, J. O'Sullivan, S. Anderson, Y. A. Senis, O. K. Weinberg, M. L. Calicchio, N. I. H. I. S. Center, D. Iskander, D. Royston, D. Milojkovic, I. Roberts, D. M. Bodine, S. Thongjuea and A. J. Mead (2020). "Single-Cell Analyses Reveal Megakaryocyte-Biased Hematopoiesis in Myelofibrosis and Identify Mutant Clone-Specific Targets." Mol Cell 78(3): 477-492 e478.
- Rodriguez-Meira, A., G. Buck, S. A. Clark, B. J. Povinelli, V. Alcolea, E. Louka, S. McGowan, A. Hamblin, N. Sousos, N. Barkas, A. Giustacchini, B. Psaila, S. E. W. Jacobsen, S. Thongjuea and A. J. Mead (2019). "Unravelling Intratumoral Heterogeneity through High-Sensitivity Single-Cell Mutational Analysis and Parallel RNA Sequencing." Mol Cell 73(6): 1292-1305 e1298.
- Giustacchini, A., S. Thongjuea, N. Barkas, P. S. Woll, B. J. Povinelli, C. A. G. Booth, P. Sopp, R. Norfo, A. Rodriguez-Meira, N. Ashley, L. Jamieson, P. Vyas, K. Anderson, A. Segerstolpe, H. Qian, U. Olsson-Stromberg, S. Mustjoki, R. Sandberg, S. E. W. Jacobsen and A. J. Mead (2017). "Single-cell transcriptomics uncovers distinct molecular signatures of stem cells in chronic myeloid leukemia." Nat Med 23(6): 692-702.
