:watermark(leibniz-lib.de/typo3temp/assets/images/watermark-copyright/b8df8d8c0b83f15485bbc8be03895b63.png,3,10,0)/leibniz-lib.de/fileadmin/user_upload/home/Bilder/LIB/Infrastruktur/foto50_0.jpg%3F1729752715)
Forschungsfelder
- Statistische Phylogenomik
Die statistische Phylogenomik untersucht systematische und statistische Fehler in der Rekonstruktion evolutiver Beziehungen (Phylogenien). Sie entwickelt und evaluiert methodische Ansätze, um Unsicherheiten in phylogenetischen Baumrekonstruktionsverfahren zu quantifizieren, die Auswirkungen von Modellmisspecification zu analysieren und die Robustheit von rekonstruierten Bäumen unter realistischen Bedigungen zu gewährleisten. Ziel ist es, fundierte und zuverlässige Aussagen über die evolutionäre Geschichte von Organismen zu erhalten. - Anwendungen des maschinellen Lernens in der biologischen Forschung
Maschinelles Lernen spielt eine zunehmende Rolle in allen Bereichen der Forschung, auch in der Biologie. Die Anwendung reichen weit über die klassischen Bereiche der Bioinformatik hinaus. - Bildanalyse: Objekte lassen sich mit Hilfe neuronaler Netze klassifizieren. Neuronale Netze werden eingesetzt um biologische Objekte, z.B. Tiere, Pflanzen oder Teile davon, zu segmentieren, z.B. um morphologische Merkmale zu extrahieren.
- Objekterkennung und -verfolgung: In Bildern oder hochauflösenden Videos ermöglicht maschinelles Lernen die automatisierte Erkennung von Objekten, wie z.B. Insekten und anderen Tieren. In Videos kann dies eingesetzt werden um solche Objekte zu Verfolgung. In Bildern kann die Objekterkennung eingesetzt werde Tiere zu zählen.
- Analyse molekularer Daten: In der molekularen Forschung werden Sequenzdaten zunehmend mit Methoden den maschinellen Lernens analysiert. Die Anwendungen reichen von der Phylogenetik, über Sequenzklassifikation, Sequenzalinierungen, bis hin zur Annotation von Genomen.
- Large Language Models (LLMs): Moderne Sprachmodelle werden zunehmend genutzt, um biologische Literatur zu nach Informationen gezielt zu durchsuchen und auszuwerten.
- Genomanalysen
Die Annotation von Genomen, der Vergleich von Genomen nahe verwandter Arten und populationsgenetischen Analysen sind oft fundamental für das Verständnis von biologischen Prozessen. - Analysen differentiellen Genexpression, z.B. in Präsenz von Stressoren
Um ein funktionales Verständnis von Umwelteinflüssen oder menschlich bedingten Veränderungen zu erlangen, untersucht man das Expressionsprofil von Genen unter Stressbedingungen, beispielsweise bei erhöhter Temperatur, verändertem Salzgehalt oder Exposition gegenüber Pestiziden. Aus dieser molekularen Stressantworten lassen sich Rückschlüsse auf die Resilienz der Organismen herleiten noch bevor sich messbare Veränderungen in der Population, z.B. der Anzahl der Individuen zeigen. Dies ist ein entscheidender Vorteil für die Früherkennung von Umweltbedrohungen und die Bewertung von Anpassungspotenzialen.
Besonders interessiert mich die analyse von molekularen Sequenzdaten mit den Methoden des maschinellen Lernens. In diesem Bereich hat meine Gruppe mehrere Verfahren neu entwickelt.
Ansprechperson
/leibniz-lib.de/fileadmin/user_upload/home/Bilder/LIB/Ueber_das_LIB/Mitarbeitende/Bonn/01_20241120_MKB_Portraits_LowRes_MayerChristoph_FKurceren_6N0A5774.jpg%3F1739271176)
- Sektionsleitung
- Personalrat
- Stellvertretender Datenschutzbeauftragter
Tel.: +49 228 9122 403
E-Mail: c.mayer@leibniz-lib.de
Projekte
/leibniz-lib.de/fileadmin/user_upload/home/Bilder/LIB/Projekte/Untersuchung_der_genomischen_und_transkriptomischen_Signaturen_des_globalen_Wandels_in_einer_marinen_Fischart_in_Raum_und_Zeit.jpg%3F1729541265 "Fischart")
:watermark(leibniz-lib.de/typo3temp/assets/images/watermark-copyright/8c82e54c4fd5acb85bd8f566ead158e7.png,3,10,0)/leibniz-lib.de/fileadmin/user_upload/home/Bilder/LIB/Projekte/Logos/1KITE.png%3F1741624400)
1KITE
Leitung: Prof. Dr. Dr. h. c. Bernhard Misof
Publikationen
| von
2026/09
Optimised light sources reduce nocturnal insect attraction at railway stations
Biological conservation, 321
2026/02
Genome and transcriptome‐based identification and expression profiling of chemosensory gene families across developmental stages and tissues in Sirex noctilio (Hymenoptera: Siricidae)
Insect Molecular Biology
2025/10
Cryptic Species Can Be Phylogenetically Old Despite Strong Sex-Biased Dispersal
Systematic Biology
2025/07
Heat stress responsive genes are not affected by ocean warming: long-term environmental monitoring and acute thermal stress experiments identify non-overlapping sets of differentially expressed genes in a marine fish
2025/03
Ali-U-Net: A Convolutional Transformer Neural Net for Multiple Sequence Alignment of DNA Sequences. A proof of concept
2025/01
Three Novel Spider Genomes Unveil Spidroin Diversification and Hox Cluster Architecture: Ryuthela nishihirai (Liphistiidae), Uloborus plumipes (Uloboridae) and Cheiracanthium punctorium (Cheiracanthiidae)
Molecular Ecology resources, 1, 25
2024/12
Museomics reveal origins of East African Pleophylla forest chafers and Miocene forest connectivity
Molecular Phylogenetics and Evolution, 201
2024/11
Machine learning can be as good as maximum likelihood when reconstructing phylogenetic trees and determining the best evolutionary model on four taxon alignments
Molecular Phylogenetics and Evolution, 200
2024/08
Protocol for the preparation of Wings and Wing Interference Pattern Imaging from ethanol preserved specimens v1
2024/08
Chromosome-Level Genome Assembly of the Viviparous Eelpout Zoarces viviparus
Genome biology and evolution, 8, 16
2024/08
Integrative characterisation of the Northwestern European species of Anacharis Dalman, 1823 (Hymenoptera, Cynipoidea, Figitidae) with the description of three new species
Journal of Hymenoptera Research, 97
2024/08
Protocol for the preparation of Wings and Wing Interference Pattern Imaging from ethanol preserved specimens
2024/07
Phylogenomics recovers multiple origins of portable case making in caddisflies (Insecta: Trichoptera), nature’s underwater architects
Proceedings - Royal Society. Biological sciences/Proceedings - Royal Society. Biological Sciences, 2026, 291
2023/12
Metazoa‐level USCOs as markers in species delimitation and classification
Molecular Ecology resources, 3, 24
2023/10
Transcriptomic sequencing data illuminate insecticide-induced physiological stress mechanisms in aquatic non-target invertebrates
Environmental Pollution, 335
2023/09
Multiple stressor effects of insecticide exposure and increased fine sediment deposition on the gene expression profiles of two freshwater invertebrate species
Environmental Sciences Europe, 1, 35
2023/06
A transcriptome‐based phylogeny of Scarabaeoidea confirms the sister group relationship of dung beetles and phytophagous pleurostict scarabs (Coleoptera)
Systematic entomology, 4, 48
2023/04
Efficient extraction of mitochondrial genes from next‐generation sequencing libraries
Methods in Ecology and Evolution, 4, 14
2023/02
Standardized nuclear markers improve and homogenize species delimitation in Metazoa
Methods in Ecology and Evolution, 2, 14
2023/01
Author response for "MitoGeneExtractor: Efficient extraction of mitochondrial genes from next‐generation sequencing libraries"
2022/12
Impacts of multiple anthropogenic stressors on the transcriptional response of Gammarus fossarum in a mesocosm field experiment
1, 23
2022/10
Systematics and evolution of predatory flower flies (Diptera: Syrphidae) based on exon‐capture sequencing
2, 48
2022/06
Delimiting continuity: Comparison of target enrichment and double digest restriction‐site associated DNA sequencing for delineating admixing parapatric Melitaea butterflies
Systematic entomology, 4, 47
2022/04
The genetic basis of a novel reproductive strategy in Sulawesi ricefishes: How modularity and a low number of loci shape pelvic brooding
Evolution, 5, 76
2021/11
Evolutionary history and divergence times of Odonata (dragonflies and damselflies) revealed through transcriptomics
iScience, 11, 24
2026
2025
2024
2023
2022
2021
Mitarbeitende
/leibniz-lib.de/fileadmin/user_upload/home/Bilder/LIB/Ueber_das_LIB/Mitarbeitende/Bonn/01_20241120_MKB_Portraits_LowRes_MayerChristoph_FKurceren_6N0A5774.jpg%3F1739271176)
Dr. Christoph Mayer
zmb Statistische Phylogenomik und Maschinelles Lernen Wissenschaftlerin / WissenschaftlerTel.: +49 228 9122 403
E-Mail: c.mayer@leibniz-lib.de