Dr. Meik Kunz

PD Dr. Meik Kunz

Akad. Oberrat

Institut für Medizininformatik, Biometrie und Epidemiologie
Lehrstuhl für Medizinische Informatik

Raum: Raum 1.105
Wetterkreuz 15
91058 Erlangen-Tennenlohe

 

 

Die AG Kunz ist interessiert in der Integration und bioinformatischen Analyse von Omics-Daten, dem Maschinellen Lernen und der Modellierung von biologischen Systemen. Ein Fokus ist die Rolle von Molekülen (z.B. ncRNAs, RBP) im Tissue remodeling und der Regeneration. Neben der Datenanalyse entwickeln wir innovative Methoden, Algorithmen und Analyse-Tools, insbesondere für Projekt-spezifische Fragestellungen. Wir stehen als Kooperationspartner in Projekten und Forschungsverbünden zur Verfügung.

Forschungsschwerpunkte

  • Integrative und komparative Multi-Omics (bulk/single-cell transcriptomics, proteomics, metabolomics, interactomics, ATAC-Seq, ChIP-Seq, CyTOF)
  • Funktionelle und transkriptionelle Charakterisierung von Molekülen (z.B. nicht-kodierende RNAs, RNA-bindende Proteine)
  • Maschinelles Lernen (Biomarker detection, Predictive Modeling, Disease Modeling, Cell typing, Imaging)
  • Disease phenotyping (z.B. Kardiopulmonale Erkrankungen, (Auto)immun-, Fibrose-Erkrankungen)

Projekte (Auswahl)

Werdegang

  • seit 01/2019: Akademischer Rat, Lehrstuhl für Medizinische Informatik, Universität Erlangen-Nürnberg
  • 11/2016 – 12/2018: Gruppenleiter, Lehrstuhl für Bioinformatik, Universität Würzburg
  • 10/2013 – 10/2016: Promotionsarbeit (Dr. rer. nat.), summa cum laude, Lehrstuhl für Bioinformatik (Mentor: Prof. Dr. Thomas Dandekar), Universität Würzburg
  • 10/2012 – 09/2013: Masterstudium Biologie (Master of Science), Universität Würzburg
  • 10/2010 – 09/2012: Bachelorstudium Biologie (Bachelor of Science), Universität Würzburg

Sonstiges

  • 2020: Mitglied der Arbeitsgruppe „Medizinische Bioinformatik und Systemmedizin” der TMF – Technologie- und Methodenplattform für die vernetzte medizinische Forschung e.V.
  • seit 2019: Lehrauftrag Biostatistics, TH Deggendorf
  • 2018: Young Scientist Travel Award, European Congress on Alternatives to Animal Testing, Linz, Österreich
  • 2017: Gründungsmitglied European Virus Bioinformatics Center, Jena
  • 2017: Gemeinsamer Promotionspreis der Unterfränkischen Gedenkjahrstiftung und der Universität Würzburg
  • 2015: Springer Spektrum „BestMasters“ Award im Bereich Biologie (beste Masterarbeit aus Deutschland, Österreich und der Schweiz)
  • 2014: Preis für die beste Masterarbeit der Fakultät für Biologie der Universität Würzburg
  • Editorial Board Member: Chronicles of Oncology, Cancer Informatics
  • Associated Editor: Bioinformatics and Biology lnsights

Publikationen (Auswahl)

  1. Viereck J, Kumarswamy R, Foinquinos A, Xiao K, Avramopoulos P, Kunz M, Dittrich M, Maetzig T, Zimmer K, Remke J, Just A, Fendrich J, Scherf K, Bolesani E, Schambach A, Weidemann F, Zweigerdt R, de Windt LJ, Engelhardt S, Dandekar T, Batkai S, Thum T. Long noncoding RNA Chast promotes cardiac remodeling. Transl Med., 2016; doi: 10.1126/scitranslmed.aaf1475
  2. Vey J, Kapsner LA, Fuchs M, Unberath P, Veronesi G, Kunz M. A toolbox for functional analysis and the systematic identification of diagnostic and prognostic gene expression signatures combining meta-analysis and machine learning. Cancers (Basel), 2019; doi: 10.3390/cancers11101606
  3. Kunz M, Wolf B, Fuchs M, Christoph J, Xiao K, Thum T, Atlan D, Prokosch HU, Dandekar T. A comprehensive method protocol for annotation and integrated functional understanding of lncRNAs. Brief Bioinform., 2020; doi: 10.1093/bib/bbz066
  4. Stojanović SD, Fuchs M, Fiedler J, Xiao K, Meinecke A, Just A, Pich A, Thum T, Kunz M. Comprehensive Bioinformatics Identifies Key microRNA Players in ATG7-Deficient Lung Fibroblasts. Int J Mol Sci., 2020; doi: 10.3390/ijms21114126
  5. Fuchs M, Kreutzer FP, Kapsner LA, Mitzka S, Just A, Perbellini F, Terracciano CM, Xiao K, Geffers R, Bogdan C, Prokosch HU, Fiedler J, Thum T, Kunz M. Integrative Bioinformatic Analyses of Global Transcriptome Data Decipher Novel Molecular Insights into Cardiac Anti-Fibrotic Therapies. Int J Mol Sci., 2020; doi: 10.3390/ijms21134727
  6. Heydebrand F, Fuchs M, Kunz M, Voelkl S, Kremer AN, Oostendorp RAJ, Wilke J, Leitges M, Egle A, Mackensen A, Lutzny-Geier G. Protein Kinase C-β-dependent changes in the glucose metabolism of bone marrow stromal cells of chronic lymphocytic leukemia. Stem Cells, 2021; doi: 10.1002/stem.3352
  7. Hatscher L, Lehmann C.H.K., Purbojo A, Onderka C, Liang C, Hartmann A, Cesnjevar R, Bruns H, Gross O, Nimmerjahn F, Ivanović-Burmazović I, Kunz M, Heger L, Dudziak D. Select hyperactivating NLRP3 ligands enhance the TH1- and TH17-inducing potential of human type 2 conventional dendritic cells. Sci Signal., 2021; doi: 10.1126/scisignal.abe1757
  8. Stoll A, Bruns H, Fuchs M, Völkl S, Nimmerjahn F, Kunz M, Peipp M, Mackensen A, Mougiakakos D. CD137 (4-1BB) stimulation leads to metabolic and functional reprogramming of human monocytes/macrophages enhancing their tumoricidal activity. Leukemia, 2021; doi: 10.1038/s41375-021-01287-1
  9. Stojanović SD, Fuchs M, Liang C, Schmidt K, Xiao K, Just A, Pfanne A, Pich A, Warnecke G, Braubach P, Petzold C, Jonigk D, Distler JHW, Fiedler J, Thum T, Kunz M. Reconstruction of the miR-506-Quaking axis in Idiopathic Pulmonary Fibrosis using integrative multi-source bioinformatics. Sci Rep., 2021; doi: 10.1038/s41598-021-89531-7
  10. Györfi AH, Matei AE, Fuchs M, Liang C, Riux-Rigau A, Hong X, Zhu H, Luber M, Bergmann C, Dees C, Ludolph I, Horch R, Distler O, Wang J, Bengsch B, Schett G, Kunz M, Distler J. Engrailed 1 coordinates cytoskeletal re-organization to induce myofibroblast differentiation. J Exp Med, 2021; doi: 10.1084/jem.20201916

* equally contributing

Tools, Software

Bücher

  • Thomas Dandekar, Meik Kunz. Bioinformatik – Ein einführendes Lehrbuch. Springer-Verlag, 2017, ISBN: 978-3-662-54697-0
  • Meik Kunz. Modellierung und Simulation von Protein-Interaktionen am Beispiel von Wirts-Pathogen-Interaktionen. Springer BestMasters-Reihe, 2017, ISBN: 978-3-658- 16777
  • Thomas Dandekar, Meik Kunz. Bioinformatik – Ein einführendes Lehrbuch. 2. Auflage. Springer-Verlag, 2021, ISBN: 978-3-662-62398-5