גנומיקה וביולוגיה חישובית

תחום הביולוגיה החישובית מהווה נדבך מרכזי במדע הביולוגי המודרני, ומאפשר חקר מעמיק של תופעות ביולוגיות ברמות שונות של ארגון – מהמולקולה ועד למערכת האקולוגית השלמה, היישומים מגוונים וכוללים הבנה של מערכות חיים, שמירה על מגוון ביולוגי, חיזוי השפעות של שינויי אקלים, והתמודדות עם אתגרי בריאות הציבור.

ביולוגיה חישובית היא תחום מחקר בינתחומי המתמקד בפיתוח ויישום של מודלים תיאורטיים, אלגוריתמים וכלים חישוביים לצורך ניתוח תופעות ביולוגיות, אקולוגיות, התנהגותיות וחברתיות. תחום זה מאפשר לחוקרים להבין תהליכים מורכבים במערכות ביולוגיות על סמך ניתוח כמותי של נתונים, סימולציות ותחזיות מבוססות-מודל.

באמצעות שימוש במתמטיקה, סטטיסטיקה, מדעי המחשב ובינה מלאכותית, חוקרי הביולוגיה החישובית מצליחים לנתח כמויות גדולות של נתונים ניסיוניים - החל ברצפים גנומיים, דרך תבניות של התנהגות בעלי חיים, ועד לאינטראקציות בין אורגניזמים וסביבתם. היכולת לבצע תחזיות כמותיות ולזהות דפוסים סמויים מספקת תובנות חדשות ועמוקות שלא ניתן היה לחשוף בשיטות ניסיוניות בלבד.

חוקרי בית הספר מקדמים הבנה מערכתית ומבוססת-מודל של עולם החי והצומח, ומפתחים כלים חשובים למחקר בסיסי ויישומי בתחומים של אקולוגיה, שמירת טבע וביולוגיה תאית ומולקולרית.

Computational biology is a central pillar of modern biological science. It enables in-depth exploration of biological phenomena at various levels of organization—from molecules to entire ecosystems. Its diverse applications include understanding living systems, preserving biodiversity, predicting the impacts of climate change, and addressing public health challenges.

 

Computational Biology is an interdisciplinary field of research focused on the development and application of theoretical models, algorithms, and computational tools to analyze biological, ecological, behavioral, and social phenomena. This field enables researchers to understand complex processes in biological systems through quantitative data analysis, simulations, and model-based predictions.

By integrating mathematics, statistics, computer science, and artificial intelligence, computational biologists are able to analyze large volumes of experimental data—from genomic sequences and animal behavior patterns to interactions between organisms and their environments. The ability to make quantitative predictions and uncover hidden patterns provides new and profound insights that could not be achieved through experimental methods alone.

Researchers at the school promote a systems-level, model-based understanding of the living world and develop essential tools for both basic and applied research in ecology, conservation, and cellular and molecular biology.

Researchers in this field:

Prof. Lilach Hadany

Our lab investigates open questions in the theory of evolution, and plant bioacoustics.

Evolutionary theory projects include the evolution of genetic variation, social behavior, host-microbiome interactions, language, and aging.

Plant bioacoustics projects include plant sound emission, interpretation of plant sounds, and plant responses to the sounds of animals and plants.

Lab capabilities: Mathematical modeling of evolutionary processes; plant recording; analysis of plant sounds

Services to the industry: none    

Lab Website: https://www.hadanylab.com/

Prof. Itay Mayrose

The lab of Prof. Itay Mayrose specializes in computational biology and bioinformatics, with an emphasis on plant evolution and genomics. We use computational tools to gain insights into the fascinating evolutionary dynamics of plant genomes. In this process, we develop novel computational tools based on machine learning, reinforcement learning, and advanced probabilistic evolutionary models. Current projects in the lab include: (1) Whole genome duplications (polyploidy): Studying the consequences of whole genome duplications on patterns of lineage diversification, biogeography, and the effects of polyploidy on evolutionary patterns at the molecular and genomic levels. (2) Genome editing: We develop novel tools and algorithms for the optimal design of genome editing experiments and how to apply them in a large-scale manner, with special emphasis on crop improvement. (3) Phylogenetics: We develop machine learning methods for more accurate inference of phylogenetic trees and evolutionary genomic analyses.

Lab Website: https://www.tau.ac.il/~itaymay/index.html

Dr. Yasmine Meroz

 The lab studies computational and behavioral processes in plants; how plants process sensory information about the environment in order to shape their growth morphology. We study processes such as active sensing, decision-making, memory phenomena, and interaction between plants. Our research combines both theory and experiment. As part of our experiments we design and build tailored experimental setups with the aim of interrogating how plants integrate sensory information over space and time, with an image analysis pipeline.  Experiments are generally informed by predictions of mathematical models and numerical frameworks, including 3D simulations of plant growth (tropisms and circumnutations), concepts from control theory and physics, the interplay with mechanics, and cost-benefit models.    

Lab Website: https://www.merozlab.com/