Wissenschaftliche Laufbahn und Forschungsgebiete

Prof. Rost (*1961) forscht auf dem Gebiet der Bioinformatik und Rechnergestützten Biologie und fokussiert sich auf die Vorhersage der Funktion und Struktur von Proteinen und Genen. Sein besonderes Augenmerk liegt auf der Prognose von Protein-Wechselwirkungen sowie dem Effekt von Änderungen einzelner Aminosäuren. Seine Forschungsergebnisse sollen zu einem besseren Verständnis der Funktionsweise von Proteinen, Genen und Zellen beitragen. Darüber hinaus verfolgt er das Ziel, Krankheiten früher zu erkennen und effektiver zu behandeln. Die besondere Nische seiner Forschungsgruppe liegt in der Verbindung von künstlicher Intelligenz und Maschinenlernen mit Evolution.

Nach dem Studium der Physik, Geschichte und Philosophie an den Universitäten Gießen und Heidelberg promovierte Prof. Rost am Europäischen Molekularbiologischen Laboratorium (EMBL, 1994). Nach Forschungsaufenthalten am EMBL, dem Europäischen Bioinformatik Institut in Cambridge, Großbritannien und einer kurzen Phase in der Industrie  bei LION bioscience in Heidelberg trat er 1998 eine Professur an der Columbia University in New York an. 2009 führte ihn ein Ruf auf den Lehrstuhl für Bioinformatik an der TUM. Er ist Mitglied der New York Academy of Sciences sowie seit 2007 Präsident der International Society for Computational Biology. 200 wiss. Publikationen, h-Faktor 50 (2010).

Wichtigste Auszeichnungen

  • Alexander von Humboldt-Professur (2009)

Ofran Y, Rost B: “Protein-protein interaction hotspots carved into sequences”. PLoS Computational Biology. 2007; 3: e119.

Abstract

Schlessinger A, Liu J, Rost B: “Natively unstructured loops differ from other loops”. PLoS Computational Biology. 2007; 3: e140.

Abstract

Bromberg Y, Rost B: “SNAP: predict effect of non-synonymous polymorphisms on function”. Nucleic Acids Res. 2007; 35: 3823-3835.

Abstract

Nair R, Rost B: “Mimicking cellular sorting improves prediction of subcellular localization”. J. Mol. Biol. 2005; 348: 85-100.

Abstract

Rost B: “PHD: predicting one-dimensional protein structure by profile-based neural networks”. Methods in Enzymology. 1996; 266: 525-539.

Abstract

Rost B, Sander C: “Prediction of protein secondary structure at better than 70% accuracy”. J. Mol. Biol. 1992; 232: 584-599.

Abstract