Professur für Biometrie mit Schwerpunkt Molekulare Medizin

Das Team arbeitet an der Schnittstelle zwischen Biostatistik, maschinellem Lernen und klinischen Anwendungen, einschließlich der Molekularmedizin. Ein wichtiger Forschungsschwerpunkt ist die Metawissenschaft, insbesondere die Bewertung von Methoden und Forschungspraxis.

Arbeitsbereiche

Entwicklung und Bewertung komplexer biostatistischer Methoden mit Schwerpunkt auf Vorhersagemodellen, Schätzung von Vorhersagefehlern, Variablenselektion, Parameteroptimierung, hochdimensionalen Daten sowie Methoden des maschinellen Lernens wie z. B. Random Forest.

Anwendung statistischer Methoden auf biomedizinische Daten, insbesondere – aber nicht ausschließlich – auf molekulare Hochdurchsatzdaten („Omics“-Daten).

„Forschung über (angewandte statistische) Forschung“ mit Schwerpunkt auf dem Konzept der „Evidenz“ in der methodologischen Statistikforschung, der Konzeption zuverlässiger Vergleichsstudien sowie Fragen der guten Praxis im Zusammenhang mit der Suche nach Signifikanz und den Handlungsspielräumen von Forschern.

Leitung

Anne-Lauren Boulesteix
Prof. Dr. rer. nat. HDR Anne-Laure Boulesteix

Professur für Biometrie mit Schwerpunkt molekulare Medizin

Aktuelle und abgeschlossene Projekte

ProjektnamenBeschreibung
Teilprojekt im Rahmen von NFDI4Health (2026-2028)Optimising statistical analysis through structured use of rich metadata" (mit Carsten Oliver Schmidt)
Space-E-Infekt (2026)Diagnose von Atemwegsinfektionen mittels Technologietransfers der elektronischen Nase.
DFG-Projekt (BO3139/10-1, seit 2025)Konzeption, Auswertung und Darstellung empirischer Studien zur Bewertung statistischer Methoden.
DFG-Projekt (BO3139/7-2, 2024-2027)Empirische Studien zu den Handlungsspielräumen von Forschern bei der biomedizinischen Datenanalyse.
DFG-Projekt (BO3139/9-1, 2023-2026)Auf dem Weg zu neutralen Vergleichsstudien in der methodischen biostatistischen Forschung.
DFG-Projekt (BO3139/7-1, 2020-2023)Empirische Studien zu den Handlungsspielräumen von Forschern bei der biomedizinischen Datenanalyse.
DFG-Projekt (BO3139/6-2, 2019-2022)Random Forest: Ein Toolkit zur Entwicklung von Methoden zur Lösung von Problemen in biomedizinischen Anwendungen und darüber hinaus.
Teilprojekt im Rahmen des Innovationsfonds-Projekts COMPANION (2019-2022)Entwicklung einer patientenzentrierten national anwendbaren Komplexitäts- und Case Mix-Klassifikation für erwachsene Palliativpatienten basierend auf Bedürfnissen und Ressourchenverbrauch.
Statistische Auswertung für das BMBF-Projekt ENFoLDING (2019-2020)Kommunikationsstrukturen bei der Entscheidungsfindung vor dem Lebendsende kritisch kranker Neugeborener
Teilprojekt im Rahmen des Munich Center for Machine Learning (BMBF 01IS18036A, 2018-2022)Benchmarking und gute Praxis bei Clustering und Feature-Rankings.
DFG-Projekt (BO3139/4-3, 2019-2022)Steigerung des klinischen Nutzwerts von Regeln zur Vorhersage von Gensignaturen durch Vereinfachung und Validierung.
Wilhelm Sander-Stiftung für Krebsforschung (2015-2017)Kombinierte statistische Analyse von genetischen-, transkriptom-, und methylierungs-Daten sowie Kopienzahlvariationen bei Patienten mit Akuter Myeloischer Leukämie.
DFG-Projekt (BO3139/6-1, 2015-2018)Random Forest als Standardwerkzeug für biomedizinische Anwendungen? Methodische und praktische Aspekte.
DFG-Projekt (BO3139/2-3, 2015-2018)Resampling-Methoden zur statistischen Analyse hochdimensionaler biologischer Daten.
DFG-Projekt (BO3139/4-2, 2015-2017)Steigerung des klinischen Nutzwerts von Regeln zur Vorhersage von Gensignaturen durch Vereinfachung und Validierung.
DFG-Projekt (BO3139/4-1, 2012-2015)Steigerung des klinischen Nutzwerts von Regeln zur Vorhersage von Gensignaturen durch Vereinfachung und Validierung.
DFG-Projekt (BO3139/2-2, 2012-2015)Resampling-Methoden zur statistischen Analyse hochdimensionaler biologischer Daten.
DFG-Projekt (BO3139/3-1, 2011-2014)Datenaufbereitung bei der Validierung von biomedizinischen Prädiktionsmodellen.
DFG-Projekt (BO3139/2-1, 2010-2011)Resampling-Methoden zur statistischen Analyse hochdimensionaler biologischer Daten.

Team

Name Titel Funktion
Bonneville, Edouard Dr. Wissenschaftlicher Mitarbeiter
Dicaire-Cartier, Mathilde M.Sc. Wissenschaftliche Mitarbeiterin
Ellenbach, Nicole M.Sc. Wissenschaftliche Mitarbeiterin
Ghorbani, Alireza M.Sc. Wissenschaftlicher Mitarbeiter
Haas, Jakob Maximilian   Studentische Hilfskraft
Herrmann, Moritz Dr. Wissenschaftlicher Mitarbeiter
Lange, Julian M.Sc. Gastwissenschaftler
Lemster, Simon M.Sc. Wissenschaftlicher Mitarbeiter
Morelli, Maurizio B.Sc. Studentische Hilfskraft
Rysina, Yunona B.Sc. Studentische Hilfskraft
Stolte, Marieke Dr. Wissenschaftliche Mitarbeiterin
Wilcke, Juliane PhD Gastwissenschaftlerin