Bioinformatik der Individualisierten Medizin
Forschungsfokus
Die Forschungsgruppe "Computational Biology for Individualized Infection Medicine" untersucht die Interaktion von genetischem Hintergrund und Umwelt und deren Beitrag zu Infektions- und immunbezogenen Krankheiten.
Wir konzentrieren uns auf die Anwendung und Entwicklung von computergestützten und statistischen Ansätzen zur Untersuchung der Auswirkungen genetischer Faktoren auf verschiedenen molekularen Ebenen (z.B. Genetik, Genomik, Metabolomik usw.), immunologischer Parameter und Funktionen, sowie auf komplexe Krankheiten.
Unser Ziel ist es, die genetischen Risikofaktoren der Betroffenen und ihre zugehörigen molekularen Pfade aufzudecken und damit die Identifizierung von Risikopatienten zu verbessern. Diese Erkenntnisse sind für das Verständnis und die individualisierte Behandlung von Infektionskrankheiten entscheidend.
Forschungsfokus
Die Forschungsgruppe "Computational Biology for Individualized Infection Medicine" untersucht die Interaktion von genetischem Hintergrund und Umwelt und deren Beitrag zu Infektions- und immunbezogenen Krankheiten.
Wir konzentrieren uns auf die Anwendung und Entwicklung von computergestützten und statistischen Ansätzen zur Untersuchung der Auswirkungen genetischer Faktoren auf verschiedenen molekularen Ebenen (z.B. Genetik, Genomik, Metabolomik usw.), immunologischer Parameter und Funktionen, sowie auf komplexe Krankheiten.
Unser Ziel ist es, die genetischen Risikofaktoren der Betroffenen und ihre zugehörigen molekularen Pfade aufzudecken und damit die Identifizierung von Risikopatienten zu verbessern. Diese Erkenntnisse sind für das Verständnis und die individualisierte Behandlung von Infektionskrankheiten entscheidend.
Prof. Dr. Yang Li
Menschen unterscheiden sich in ihrem genetischen Hintergrund. Wir untersuchen diese interindividuelle Variation und wollen die Anfälligkeit für Infektionen verstehen und das Krankheitsrisiko vorhersagen
Yang Li ist eine Bioinformatikerin , die sich auf die Integration von Multi-Omics- und Einzelzell-Omics-Daten spezialisiert hat, um die Interaktionen zwischen dem genetischen Hintergrund und der Umwelt in Bezug auf Infektionen und immunbasierten Krankheiten zu untersuchen. Y. Li zeigte bereits, wie genetische Risikofaktoren der Betroffenen und ihre entsprechenden molekularen Eigenschaften die menschlichen Immunfunktionen bestimmen und vorhersagen, was für die individualisierte Behandlung von Infektionskrankheiten und Allergien entscheidend ist (Cell 2016, Nat Med 2016, Nat Immunol 2018). Kürzlich führte ihr Team die erste Multi-Omics-Studie zu dysfunktionalen Immunsystemen bei leichten und schweren COVID-19-Patienten durch (Cell 2020) und deckte dabei die epigenetischen und genetischen Einflüsse der angeborenen Immunität gegenüber COVID-19 auf (Cell Genomics 2023). Für ihre Forschung erhielt sie den renommierten ERC Starting Grant „ModVaccine“, zur Verbesserung von Impfstoffen (2020).
Prof. Dr. Li ist Mitglied im Redaktionsbeirat mehrerer angesehener wissenschaftlicher Zeitschriften, wie Frontiers in Immunology und Frontiers in Genetics. Weiterhin ist sie national und international als Gutachterin für die Deutsche Forschungsgemeinschaft (DFG), das Deutsche Zentrum für Infektionsforschung (DZIF), die Israel Science Foundation, die Swiss National Science Foundation, das Medical Research Council (UK) und die French Foundation for Medical Research tätig. Darüber hinaus ist sie Teil der Deutschen Gesellschaft für Immunologie, der Amerikanischen Gesellschaft für Humangenetik und der Europäischen Gesellschaft für Humangenetik. Außerdem ist sie Mitglied des Beirats und des Expertenpools des Konsortiums Milieu Intérieur des Institut Pasteur in Frankreich.
Prof. Dr. Yang Li hat folgende Fördermittel erhalten:
- BMBF Grant: FEDCOV
- BMBF Grant: AID-PAIS
- ERC Proof of Concept
- DFG Grant: RTG 2978
- The DFG Research Training Group 3135
- EXC 2155 Grant: RESIST-II - Resolving Infection Susceptibility
- Novo Nordicsk UNRAVEL
Forschungsprojekte
Wir nutzen einen Big-Data-Ansatz um Immunfunktionen bei Impfungen und Infektionen zu untersuchen. Hierbei konzentrieren wir uns insbesondere auf die folgenden Bereiche:
Integration von Multi-omics-Daten
Zur Entwicklung von Rechenmodellen, Erkennung von wichtigen biologischen Signalwegen und molekularen Wechselwirkungen, sowie Makern, welche mit Krankheiten und Eigenschaften assoziiert sind, nutzen wir einen Ansatz, der Multi-Omics-Datensätze und Immunprofile von Patienten-/Kontrollkohorten verwendet.
Single-cell genomics
Darüber hinaus entwickeln und verwenden wir modernste Technik zur Untersuchung der Heterogenität von Zellpopulationen, zur Identifizierung seltener Zelltypen und zum Verständnis der Zelldzynamik bei verschiedenen Krankheiten basierend auf der Untersuchung einzelner Zellen.
Genetische Regulierung des molekularen und immunologischen Phänotyps
Unsere Forschung konzentriert sich darauf zu verstehen, wie genetische Variationen molekulare und immunologische Phänotypen wie z.B. Genexpression, Metaboliten und Zytokinreaktionen auf Stimulationen beeinflussen. Hierfür entwickeln wir Berechnungsmethoden und Algorithmen, um High-throughput Datasets vollständig zu nutzen, welche die neuste Profilerstellungstechnologie wie z.B. kausaler Inferenz und Dekonvolution entstammen.
Insgesamt ermöglicht uns der Big-Data-Ansatz ein umfassendes Verständnis der Immunfunktionen bei Impfungen und Infektionen. Durch die Untersuchung der genetischen Grundlagen und molekularen Interaktionen, welche die Grundlage für komplexe Merkmale und Krankheiten bilden, hoffen wir, eine personalisierte Infektionsmedizin zu entwickeln, in der individuelle Unterschiede in der genetischen Variation und den Immunreaktionen berücksichtigt werden können.
In den letzten Jahren hat unsere Forschung einen Beitrag zu den folgenden fünf Hauptbereichen geleistet:
Altern
Durch die Erstellung einer Einzelzell-Immunalterungsuhr aus über zwei Millionen Immunzellen konnten wir feststellen, dass COVID-19 die Alterung von Monozyten selektiv beschleunigt und dass die Auswirkungen der Tuberkulose-Impfung auf CD8-T-Zellen stark vom Entzündungsstatus des jeweiligen Individuums abhängen (Wenchao Li et al., Nat. Aging, 2025).
Infektionskrankheiten
Anhand von Transkriptom-, Genom- und Epigenomdaten von hospitalisierten und rekonvaleszenten COVID-19-Patienten konnten wir zeigen, dass eine veränderte Chromatin-Zugänglichkeit und allelspezifisches, offenes Chromatin mit einer gestörten epigenetischen Regulierung einhergeht, die zur Pathogenese von COVID-19 beiträgt (Cell Genomics 2023). Mit Hilfe von Multi-Omics-Ansätzen für einzelne Zellen konnten wir geringfügige Unterschiede in den epigenetischen und transkriptionellen Programmen des Immunsystems von COVID-19-Patienten nachweisen, welche sich jedoch größtenteils auf ein normales Niveau zurück entwickeln. Allerdings ist das zirkulierende Proteom, bei Post-COVID-19 Patienten, selbst mehrere Wochen nach der Infektion noch beeinträchtigt (Frontiers in Immunol. 2022).
Durch die Integration von Einzelzell-Multi-Omics-Daten konnten wir einen mit Long COVID assoziierten Monozytenzustand (LC-Mo) identifizieren, der mit anhaltender Müdigkeit und einer beeinträchtigten Atemfunktion in Verbindung steht. Damit haben wir einen potenziellen Biomarker und mechanistische Einblicke in die Pathogenese der Erkrankung gewonnen (Kumar et al., Nat. Immunol., 2026).
Mithilfe der Mendelschen Randomisierung konnten wir die lange nicht-kodierende RNA LINC00173 als zentralen Regulator der Immunfunktion bei Menschen mit HIV identifizieren. Sie steht in einem kausalen Zusammenhang mit mehr Zytokinreaktionen als jedes andere von uns untersuchte Gen. Eine höhere Expression ging mit einer schwächeren Immunantwort einher, insbesondere hinsichtlich von IL-1Ra. Da die Expression von LINC00173 während einer HIV-Infektion ansteigt, könnte das Virus dies ausnutzen, um die Immunabwehr des Wirts sowie die Entzündungsprozesse zu modulieren, die den Nicht-AIDS-Komorbiditäten zugrunde liegen (Botey-Bataller et al., Nat. Med., 2025).
Immunkrankheiten
Durch die Untersuchung dynamischer Transkriptionsveränderungen in einzelnen Zellen pädiatrischer Personen, konnten wir mit Zöliakie assoziierte, unterschiedlich ausgedrückte Gene und genetische Risikoloci aufdecken (Frontiers in Immunol. 2022). Darüber hinaus haben wir in einer Studie zur funktionellen Genomik bei T1D neue Erkenntnisse über die genetischen Faktoren gewonnen, die immunologischer Reaktionen bei T1D beeinflussen (eLife 2022).
Zusammen mit den Klinikern der MHH haben wir eine Einzelzell-Multiomics-Studie zu atopischer Dermatitis (AD) und Psoriasis (PS) durchgeführt und festgestellt, dass die krankheitsspezifischen T-Zell-Cluster bei AD hauptsächlich zu einer TH2/Th22-Subpopulation und bei PS zu einer TH17/tc17-Subpopulation gehörten und ihre Anzahl in beiden Krankheiten mit dem Schweregrad der Krankheit zusammenhing.
Impfreaktion
Mithilfe eines integrativen genomischen Ansatzes in zwei unabhängigen bevölkerungsbasierten BCG-Impfkohorten gesunder Personen konnten wir genetische Loci nachweisen, die die Zytokinantworten der trainierten Immunität, sowie die H3K9-Histodemethylasen der KDM4-Familie als ihre wichtigen Regulatoren beeinflussen (Eur. J. Immunol. 2022). Weiterhin präsentierten wir einen umfassenden überblick über die zellulären Transkriptionsprogramme der trainierten Immunität bei einer Einzelzellauflösung und zeigten somit die Heterogenität der Genexpression in trainierten Zellen auf (J. Clint. Invest 2022). Zusätzlich haben wir festgestellt, dass zirkulierende Metaboliten wichtige Faktoren sind, die die BCG-induzierte trainierte Immunität beim Menschen beeinflussen und dass die Modulation von Stoffwechselwegen eine neuartige Strategie zur Verbesserung der Impfstoff- und trainierten Immunitätsreaktionen sein könnte (PLOS Biol 2022).
Entwicklung neuer Berechnungsmethoden
Wir haben gezeigt, dass eQTL-Dekonvolutionsanalysen ein leistungsfähiges Instrument zum Verständnis zelltypspezifischer molekularer Mechanismen der Asthmaentwicklung sein können (Allergy 2022).
Ausgewählte Publikationen
1. Kumar, S., Li, C., Zhou, L. et al. A distinct monocyte transcriptional state links systemic immune dysregulation to pulmonary impairment in long COVID. Nat Immunol 27, 200–212 (2026). https://doi.org/10.1038/s41590-025-02387-1
2. Botey-Bataller, J., van Unen, N., Blaauw, M. et al. Genetic and molecular landscape of comorbidities in people living with HIV. Nat Med 31, 3350–3359 (2025). https://doi.org/10.1038/s41591-025-03887-1
3. Li, W., Zhang, Z., Kumar, S. et al. Single-cell immune aging clocks reveal inter-individual heterogeneity during infection and vaccination. Nat Aging 5, 607–621 (2025). https://doi.org/10.1038/s43587-025-00819-z
4. Kumar, S. et al. Systemic dysregulation and molecular insights into poor influenza vaccine response in the aging population. Sci. Adv. 10, eadq7006 (2024). DOI: 10.1126/sciadv.adq7006
5. Zhang, Z., Li, W., Zhan, Q. et al. Unveiling genetic signatures of immune response in immune-related diseases through single-cell eQTL analysis across diverse conditions. Nat Commun 16, 7134 (2025). https://doi.org/10.1038/s41467-025-61192-4
Eine vollständige Liste der Publikationen von Yang Li finden Sie bei GoogleScholar.
Datenbanken
Cytokine QTL in Lyme:
https://lab-li.ciim-hannover.de/apps/lyme_cqtl/
Single-cell eQTL:
https://lab-li.ciim-hannover.de/apps/sceqtl/
IMetaboMap:
https://lab-li.ciim-hannover.de/apps/imetabomap/
HIV xQTL Atlas:
https://lab-li.ciim-hannover.de/apps/hiv_xqtl_atlas/#!/
ImHoGen: cQTL:
https://lab-li.ciim-hannover.de/apps/imhogen/
Jobs
Komm und werde Teil unseres Labors!
Möchtest du herausfinden, wie der genetische Hintergrund Infektionen und immunbedingte Erkrankungen verhindert? Interessierst du dich für die Auswertung großer Multi-Omics-Datensätze? Oder begeisterst du dich einfach für Omics und KI? Wir suchen Menschen, KI-Modelle und andere, die mit Leidenschaft und Begeisterung dazu beitragen möchten, die computergestützte Immunologie voranzubringen.
Weitere Informationen
Entwicklung neuer Berechnungsmethoden
Da Studien auf der Grundlage von Massen-RNA-seq-Daten durch die fehlende Zelltyp-Auflösung eingeschränkt sind, haben wir einen eQTL-Dekonvolution-Ansatz entwickelt, um zelltypspezifische genetische Effekte der Genexpression krankheitsassoziierter Varianten zu identifizieren (BMC Bioinfo. 2020). Unsere Ergebnisse konnten mit der Einzelzell-eQTL-Methode repliziert werden, was darauf hindeutet, dass eQTL-Dekonvolution-Analysen ein leistungsfähiges Instrument zum Verständnis zelltypspezifischer molekularer Mechanismen der Asthmaentwicklung sein können (Allergy 2022). In meinem Labor wurde ein Demultiplexing-Analyserahmen entwickelt, der die künftige Analyse von Einzelzell-omics-Datensätzen verbessern wird (Zoodsma et al., in Vorbereitung).
Details als auch Modelle finden Sie hier.
Web tools: https://github.com/CiiM-Bioinformatics-group
Newsroom
