Dr. Thomas Martin Lange
Forschungsfelder und Interessen
Stabilitätsoptimierung nicht-deterministischer Vorhersagemodelle
Quantifizierung und Minimierung der Variabilität von Machine-Learning-Verfahren, die durch stochastische Prozesse während der Modellbildung entsteht. Ziel ist die Entwicklung eines universellen Frameworks zur Definition und mathematischen Optimierung der Stabilität sowie der Recheneffizienz für verschiedene nicht-deterministischer Algorithmen.
Veröffentlichte Ergebnisse:
1) Optimierung von Random Forest (optRF) durch Bestimmung der optimalen Anzahl an Entscheidungsbäumen
2) Ein generelles Framework zu der Bestimmung der Vorhersagestabilität nicht-deterministischer Vorhersagemodelle
Veröffentlichte Ergebnisse:
1) Optimierung von Random Forest (optRF) durch Bestimmung der optimalen Anzahl an Entscheidungsbäumen
- Zur Projektseite: optRF
2) Ein generelles Framework zu der Bestimmung der Vorhersagestabilität nicht-deterministischer Vorhersagemodelle
- Zum R Paket: APS
Verbesserung der Vorhersagegenauigkeit in der genomischen Vorhersage und Evaluation neuer Methoden zur Qualitätsbestimmung von Vorhersagemodellen für die genomische Selektion.
Veröffentlichte Ergebnisse:
1) Entwicklung eines neuen Verfahrens zur Klassifizierung von Einzelnukleotid-Polymorphismen (SNPs)
2) Entwicklung eines neuen Verfahrens zur Bestimmung der Genauigkeit von Vorhersagemodellen zur genomischen Selektion
3) Evaluation von Variablenselektion in Random Forest Vorhersagemodellen zur Verbesserung der Vorhersagegenauigkeit in der genomischen Selektion
Veröffentlichte Ergebnisse:
1) Entwicklung eines neuen Verfahrens zur Klassifizierung von Einzelnukleotid-Polymorphismen (SNPs)
2) Entwicklung eines neuen Verfahrens zur Bestimmung der Genauigkeit von Vorhersagemodellen zur genomischen Selektion
3) Evaluation von Variablenselektion in Random Forest Vorhersagemodellen zur Verbesserung der Vorhersagegenauigkeit in der genomischen Selektion
Entwicklung neuer Methoden zur verbesserten Phänotypisierung des Resistenzverhaltens von Kulturpflanzen und Verbesserung von Vorhersagemodellen in der genomischen Vorhersage von Krankheitsresistenz sowie Verwendung von Vorhersagemodellen zur Identifikation von epistatischen Effekten zwischen genomischen Markern.
Veröffentlichte Ergebnisse:
1) Verbesserung der Genauigkeit von Random Forest Modellen zur genomischen Vorhersage von Rhizomania-Resistenz in der Zuckerrübe durch Variablenselektion
2) Nicht-lineare Transformation von enzyme-linked immunosorbent assay (ELISA) Daten zur optimierten Datenauswertung in der Resistenzzüchtung
Veröffentlichte Ergebnisse:
1) Verbesserung der Genauigkeit von Random Forest Modellen zur genomischen Vorhersage von Rhizomania-Resistenz in der Zuckerrübe durch Variablenselektion
2) Nicht-lineare Transformation von enzyme-linked immunosorbent assay (ELISA) Daten zur optimierten Datenauswertung in der Resistenzzüchtung
Mitgliedschaften
- Mitglied in der International Biometric Society
- Mitglied des Redaktionsbeirates des Journals Bioinformatics Methods and Applications
Aktuelle Lehre
Wintersemester
- Data Analysis with R (M.iPAB.0014, 3 Credits, 2 SWS)
- Scientific Project: scientific methods, procedures and practical skills in animal and plant breeding (M.iPAB.0019, 9 Credits, 6 SWS)
Sommersemester
- Scientific Project: scientific methods, procedures and practical skills in animal and plant breeding (M.iPAB.0019, 9 Credits, 6 SWS)
Curriculum Vitae
Wissenschaftliche Qualifikationen
| Zeitraum | Abschluss und Institut |
|---|---|
| 2019 - 2023 | Dr. rer. nat. in Züchtungsinformatik, Georg-August-Universität Göttingen |
| 2015 - 2018 | Master of Science in Agrarwissenschaften, Georg-August-Universität Göttingen |
| 2012 - 2015 | Bachelor of Science in Agrarwissenschaften, Georg-August-Universität Göttingen |
Beruflicher Werdegang
| Zeitraum | Tätigkeit und Institut |
|---|---|
| Seit 10/2023 | Postdoktorand in der Abteilung Züchtungsinformatik, Georg-August-Universität Göttingen |
| 03/2019 - 09/2023 | Doktorand in der Abteilung Züchtungsinformatik, Georg-August-Universität Göttingen in Kooperation mit KWS Saat SE & Co. KGaA |
| 10/2018 - 12/2018 | Studentische Hilfskraft in der Forschung in der Abteilung Züchtungsinformatik, Georg-August-Universität Göttingen |
| 10/2016 - 09/2018 | Studentische Hilfskraft in der Lehre in der Abteilung Züchtungsinformatik, Georg-August-Universität Göttingen |
| 02 - 04/2016 | Leitung eines studentischen Projektes bei SESVanderHave |
| 2015 - 2017 | Saisonale Aushilfe in der Maiszüchtung bei Euralis Saaten GmbH (heute Lidea Germany GmbH) |
Ausgewählte Publikationen
| Autoren | Titel | Journal |
|---|---|---|
| Heinrich, F., Lange, T. M., Ramzan, F., Gültas, M., Schmitt, A.O. | Normalized Cumulative Gain as an Alternative Evaluation Measure for Genomic Selection Models | Genetics Selection Evolution |
| Lange, T. M., Gültas, M., Schmitt, A.O., Heinrich, F. | optRF: Optimising random forest stability by determining the optimal number of trees | BMC Bioinformatics |
| Heinrich, F., Lange, T. M., Kircher, M., Ramzan, F., Schmitt, A. O., Gültas, M. | Exploring the potential of incremental feature selection to improve genomic prediction accuracy | Genetics Selection Evolution |
| Lange, T. M., Rotärmel, M., Müller, D., Mahone, G. S., Kopisch-Obuch, F., Keunecke, H., Schmitt, A. O. | Non-linear transformation of enzyme-linked immunosorbent assay (ELISA) measurements allows usage of linear models for data analysis | Virology Journal |
| Klees, S., Lange, T. M., Bertram, H., Rajavel, A., Schlüter, J.-S., Lu, K., Schmitt, A. O., Gültas, M. | In Silico Identification of the Complex Interplay between Regulatory SNPs, Transcription Factors, and Their Related Genes in Brassica napus L. Using Multi-Omics Data | International journal of molecular sciences |
| Lange, T. M., Heinrich, F., Enders, M., Wolf, M., Schmitt, A. O. | In silico quality assessment of SNPs — A case study on the Axiom Wheat genotyping arrays | Current Plant Biology |
Für eine vollständige Liste siehe ResearchGate oder Google Scholar.