StartseiteFörderungProjekteERASysAPP2 - Verbundprojekt: RootBook - Der NG-RootChip: Entwicklung eines mikrofluidischen Chips für die in situ-Sequenzierung von mRNAs im Wurzelgewebe von Arabidopsis thaliana.

ERASysAPP2 - Verbundprojekt: RootBook - Der NG-RootChip: Entwicklung eines mikrofluidischen Chips für die in situ-Sequenzierung von mRNAs im Wurzelgewebe von Arabidopsis thaliana.

Laufzeit: 01.01.2016 - 30.04.2019 Förderkennzeichen: 031L0014
Koordinator: Albert-Ludwigs-Universität Freiburg - Fakultät für Angewandte Wissenschaften - Institut für Mikrosystemtechnik (IMTEK) - Microfluidic and Biological Engineering

Angesichts von globalem Bevölkerungswachstum und Klimaveränderung ist die Agrarwirtschaft gefordert, die Produktion pflanzlicher Nahrungsmittel neuen, restriktiven ökonomischen und ökologischen Kriterien anzupassen. Zwar haben Pflanzen im Laufe der Evolution die Fähigkeit erlangt, sich veränderten Umweltbedingungen anzupassen. Jedoch kann ihr Anpassungsvermögen mit der Geschwindigkeit des sich bereits vollziehenden klimatischen Wandels in vielen Regionen nicht mithalten. Durch Versalzung, Trockenheit oder Auslaugung geschädigte Böden resultieren in einem verminderten oder sogar ausbleibendem Wachstum von Nutzpflanzen. Für dementsprechend angepasste Züchtungen gilt es zu verstehen, wie Pflanzen mit ihrer Umwelt kommunizieren, wie also Signale aus der Umgebung auf zellulärer sowie molekularer Ebene verarbeitet werden. Das Ziel dieses Forschungsprojektes ist es zu bestimmen welche und wie Signalmoleküle die Wurzelgewebearchitektur des Modelorganismus der Acker-Schmalwand (Arabidopsis thaliana) bei abiotische Stress regulieren. Dabei wird in einem systembiologischen Ansatz nach Genen gesucht die an der Signalverarbeitung in der Wurzel beteiligt sind. Hierfür werden etablierte und neue Nächste Generation von Sequenzierungstechnologien verwendet und entwickelt. Im Vordergrund der Neuentwicklung steht ein mikrofluidischer Chip zur direkten Sequenzierung von Ribonukleinsäuren im Wurzelgewebe, um ortsaufgelöste Informationen der von Signalmolekülen zu erlangen. Für die Erstellung eines ganzheitlichen Netzwerkmodels aus den multidimensionalen Hochdurchsatzdaten kommen Maschinellen-Lern Algorithmen zum Einsatz. Das resultierende Netzwerkmodel soll zukünftig genutzt werden um Nutzpflanzen mit einer höheren Toleranz gegenüber abiotischen Stress zu generieren. siehe oben

Verbund: Verbund im Rahmen der transnationalen Fördermaßnahme ERASysAPP Quelle: Bundesministerium für Bildung und Forschung (BMBF) Redaktion: DLR Projektträger Länder / Organisationen: Schweiz Norwegen Themen: Förderung Lebenswissenschaften

Weitere Informationen

Projektträger