In der Systembiologie, ist es eine zentrale Fragestellung genregulatorische Prozesse in gesunden sowie kranken Zellen zu verstehen, um Methoden zur Therapie von deregulierten Signalkaskaden in erkrankten Zellen zu entwickeln. Bisher entwickelte Verfahren zur Analyse solcher Prozesse weisen Nachteile auf. Sie sind oft limitiert in der Anzahl der analysierten Gewebe und Zelltypen oder benutzen keine epigenomischen Daten um präzise Regulation von einzelnen Genen zu beschreiben. Desweiteren wurde Genregulation von langen nicht-kodierenden RNAs, die einen großen Teil des humanen Transkriptoms ausmachen, bisher nicht ausgiebig analysiert. In diesem Projekt wird ein neuer Ansatz entwickelt für die Analyse von transkriptioneller Regulation durch Transkriptionsfaktoren. Mit Hilfe moderner Verfahren des maschinellen Lernens werden genspezifische Modelle erstellt die es erlauben Genaktivität mit hoher Genauigkeit vorherzusagen, aber gleichzeitig interpretierbar sind.