Abschlussarbeiten und Studierendenprojekte
Abschlussarbeiten
Unten finden Sie eine Auflistung bisherige Abschlussarbeiten und Studierendenprojekte am Lehrstuhl. Falls Sie sich für eine solche Tätigkeit bei uns interessieren, lesen Sie bitte unsere Hinweise auf der Seite Lehre.
| Autor | Titel | Abgabedatum | Abschluss |
| Nele Bringmann | Master | ||
| Lara Seif | Master | ||
| Levin Schmara | Master | ||
| Vladyslav Khabazniak | Master | ||
| Hauke Hornecker | Bachelor | ||
| Sofia Germer | Master | ||
| Alina Jäntsch | Master | ||
| Michael Hüppe | Predicting Protein Crystallization Conditions using Machine Learning | April 2026 | Master |
| Patrik Staak | Master | ||
| Dark Engel | Master | ||
| Louise Schop | A Neuro-Symbolic Tool to support Brain Disease Diagnosis | Feb. 2026 | Master |
| Berenike Rutz | Computational analysis of brain regional single-cell RNA-sequencing immune signatures in acute stroke | Okt. 2025 | Bachelor |
Tutor / HiWi
| Student | Studierendenprojekt |
| Nele Bringmann | Tutor für die Vorlesung "Programmierung für Naturwissenschaften 3" im Sommersemester 2026 |
| Patrik Staak | Tutor für die Vorlesung "Deep Learning in Bioinformatics" im Wintersemester 2025/26 |
Studentische Forschungsgruppe
Laufzeit: 10/2025 - 10/2026
Beteiligte Studierende (in alphabetischer Reihenfolge): Danisch Khurshid, Mikko Kormann, Berenike Rutz, Viktor Zouboulis
Studentische Forschungsgruppen bieten motivierten Studierenden die Möglichkeit, eigenständig und im Team an aktuellen wissenschaftlichen Fragestellungen zu arbeiten. Im Fokus stehen interdisziplinäre Zusammenarbeit, eigenverantwortliches Projektmanagement sowie die Anwendung moderner Methoden aus Informatik, Bioinformatik und Lebenswissenschaften. Die Projekte entstehen im Rahmen eines universitätsweiten Auswahlverfahrens und werden durch Fördermittel der Universität Hamburg unterstützt.
Projekt: Die virtuelle Zelle
In diesem Projekt wird ein datengetriebenes Modell zur Simulation zellulärer Prozesse („virtuelle Zelle“) entwickelt. Ziel ist es, mithilfe moderner Methoden des maschinellen Lernens und unter Einbezug von biologischem Domänenwissen die Effekte genetischer Perturbationen auf Einzelzellebene vorherzusagen. Dabei werden unter anderem Deep-Learning-Ansätze, Graphmodelle und Wissensintegration kombiniert, um komplexe Wechselwirkungen innerhalb der Zelle abzubilden.
Das Projekt ist in die internationale „Virtual Cell Challenge“ eingebettet und verbindet algorithmische Entwicklung mit experimenteller Validierung und interdisziplinärer Forschung.