Arbeitsgruppe Dr. Sprang
Leitung
Nachwuchsgruppe ‚AI und maschinelles Lernen in den Lebenswissenschaften’
In unserer Arbeitsgruppe nutzen wir moderne Methoden des maschinellen Lernens und der künstlichen Intelligenz, um komplexe biologische und klinische Daten zu analysieren und neue Erkenntnisse zu gewinnen. Unter anderem liegt unser Forschungsschwerpunkt auf der Entwicklung und Anwendung von KI-basierten Ansätzen zur Qualitätssicherung in der funktionellen Genomik, sowie der Modellierung und Generierung biologischer Sequenzen. Durch den Einsatz von Deep Learning, generativen Modellen und automatisierten Qualitätskontrollen streben wir an, die Reproduzierbarkeit und Aussagekraft von Einzelzell- und Multi-Omics-Daten zu verbessern. Dies ermöglicht uns, die Rolle von Immunzellen und myeloiden Zellen in entzündlichen Hauterkrankungen und Krebs noch präziser zu verstehen und innovative Therapieansätze zu entwickeln. Bei Interesse an Kooperationen im Bereich KI-gestützter Datenanalyse oder generativer Modelle für biologische Anwendungen steht Maximilian Sprang gerne für weitere Informationen zur Verfügung
Mitarbeiterinnen und Mitarbeiter
Giorgia D'Amico
Master Student
Aktuelle Publikationen
Jakhmola R, Selby DA, Cihan M, Prascevic D, Petracci E, Ulivi P, Felip E, Consuegra RC, Stella F, Solli P, Argnani D, Urbini M, Mayer JU, Vollmer S, Martin C, Ewald J, Sprang M. MiracleNet: A biologically-interpretable machine learning model for resected non-small-cell lung cancer. Comput Struct Biotechnol J. 2026. https://doi.org/10.34133/csbj.0145
Anyaegbunam UA, Teschner D, Schmidlin T, Hildebrandt A, Mayer JU, Sprang M*, Andrade-Navarro MA*. Cross-Domain Transfer Learning from Peptides to Metabolites Using a Multi-Property Fine-Tuned LLM. Bioinformatics. 2026. https://doi.org/10.1093/bioinformatics/btag493 *corresponding authors
Hassan A. Hassan, Aleksandar Anžel, Bahar İlgen, Marina Luchner, Patrick Schramowski, Anja Blasse, Johannes U. Mayer, Katharina Ladewig, Georges Hattab, Maximilian Sprang. A safety-centric perspective on innovation and risk in the use of artificial intelligence in genomics. Trends in Genetics. 2026. ISSN 0168-9525. https://doi.org/10.1016/j.tig.2026.04.001
Mert Cihan, Piyush More, Maximilian Sprang, Federico Marini, Miguel A Andrade-Navarro (2026). Target-site Dynamics Explain a Large Share of Apparent MicroRNA Differential Expression. RNA. rna-080990. https://doi.org/10.1261/rna.080990.126
Ai D, Kreyling L, Battistone MA, Elizagaray ML, Chen A, Bhushan S, Fijak M, Speckmann M, Michel G, Procida-Kowalski T, Bartkuhn M, Sprang M, Mayer JU*, Meinhardt A, Pleuger C*. Depletion of CX3CR1+ macrophages results in disrupted functionality and immune surveillance within epididymis and testis. Mucosal Immunol. 2026. S1933-0219(26)00011-5. https://doi.org/10.1016/j.mucimm.2026.01.011
Gabele A, Cihan M, Sprang M, Klein M, Nurbekova A, Romaniuk K, Lemmermann N, Tenzer S, Andrade-Navarro MA, Bopp T, Distler U. (2025) Protocol for mapping murine transcription factor interactomes and composite motifs combining affinity purification mass spectrometry and ChIP-seq. STAR Protoc, 6(4):104184. https://doi.org/10.1016/j.xpro.2025.104184
Cihan M, Schmauck G, Sprang M, Andrade-Navarro MA. (2025) Unveiling cell-type-specific microRNA networks through alternative polyadenylation in glioblastoma. BMC Biol, 23(1):15. https://doi.org/10.1186/s12915-024-02104-8
Gabele A*, Sprang M*, Cihan M, Welzel M, Nurbekova A, Romaniuk K, Dietzen S, Klein M, Bündgen G, Emelianov M, Harms G, Rajalingam K, Ziesmann T, Pape K, Wasser B, Gomez-Zepeda D, Braband K, Delacher M, Lemmermann N, Bittner S, Andrade-Navarro MA, Tenzer S, Luck K, Bopp T, Distler U. (2025) Unveiling IRF4-steered regulation of context-dependent effector programs in CD4+ T cells under Th17- and Treg-skewing conditions. Cell Rep, 44(3):115407. https://doi.org/10.1016/j.celrep.2025.115407
Selby DA*, Jakhmola R*, Sprang M*, Großmann G, Raki H, Maani N, Pavliuk D, Ewald J, Vollmer S. (2025) Visible neural networks for multi-omics integration: a critical review. Front Artif Intell, 8:1595291. https://doi.org/10.3389/frai.2025.1595291
Cihan M, Anyaegbunam UA, Albrecht S, Andrade-Navarro MA, Sprang M. (2025) Evaluating Genetic Regulators of MicroRNAs Using Machine Learning Models. Int J Mol Sci, 26(12):5757. https://doi.org/10.3390/ijms26125757
Selby DA, Sprang M, Ewald J, Vollmer SJ. (2025) Beyond the black box with biologically informed neural networks. Nat Rev Genet, 26(6):371-372. https://doi.org/10.1038/s41576-025-00826-1
Weitere Publikationen finden Sie unter: https://scholar.google.com/citations?user=QGQxJLIAAAAJ