Genetische Epidemiologie

• Die Genetische Epidemiologie untersucht den Einfluss von genetischen Varianten und deren Wechselwirkung mit Lebensstil- und Umweltfaktoren für Merkmale und Erkrankungen im Menschen.
• Dazu werden am Lehrstuhl für Genetische Epidemiologie molekular-epidemiologische Studien durchgeführt und ausgewertet. Wir entwickeln Methoden und Software zur Auswertung von hochdimensionalen Daten.
• Darüber hinaus arbeiten wir in großen internationalen Konsortien zu genomweiten Assoziationsstudien (GWAS) für verschiedene Erkrankungen. GWAS sind aktuell einer der erfolgreichsten Ansätze zur Identifizierung der Genetik von komplexen Erkrankungen. Die Gene innerhalb der GWAS-Signale dienen u.a. der Priorisierung von drug targets für Medikamentenentwicklung. Diese Analysen führen zu großen Datenmengen und vielen statistischen Ergebnissen („big data“), deren biomedizinische Relevanz durch die Integration von multiplen Datenquellen herausgearbeitet wird.
• Unsere genetisch-epidemiologischen Arbeiten werden gefördert von der Deutschen Forschungsgemeinschaft (DFG), vom Bundesministerium für Bildung und Forschung (BMBF) und von den National Institutes of Health (NIH).

Ausgewählte Forschungsprojekte:

• AugUR-Studie (DFG-HE 3690/7-1, DFG-BR 6028/2-1, BMBF 01ER1206, BMBF 01ER1507)
• Meta-Mega (DFG-HE 3690/5-1)

• SFB-Projekt zur Genetk der Verschlechterung der Nierenfunktion (SFB-1350/1 C6)
• AMD-Genetik (International AMD Genomics Consortium, NIH-R01R2S511967)

Ausgewählte Publikationen:

• Guenther et al, Chances and challenges of machine learning-based disease classification in genetic association studies illustrated on age-related macular degeneration, Genet Epidemiol, 2020
• Brandl et al, Retinal Layer Thicknesses in Early Age-Related Macular Degeneration: Results From the German AugUR Study, Invest Ophthalmol Vis Sci, 2019
• Gorski et al, On the differences between mega- and meta-imputation and analysis exemplified on the genetics of age-related macular degeneration, Genet Epidemiol, 2019
• Wuttke et al, A catalog of genetic loci associated with kidney function from analyses of a million individuals, Nat Genet, 2019
• Winkler et al, A joint view on genetic variants for adiposity differentiates subtypes with distinct metabolic implications, Nat Commun, 2018