Andreas Maunz, Dipl.-Inf.

Raum: 207

Albert-Ludwigs-Universität Freiburg
Physikalisches Institut
Hermann-Herder-Str. 3
79104 Freiburg, Germany

E-Mail: andreas@maunz.de

Tel.: +49-761-203-8442

Forschungsinteressen

Graph Mining

Induktive Datenbanken

QSAR-Modelle

"Klassisches" Data Mining

Wahrscheinlichkeitsbasiertes Folgern

Forschung

Allgemein: In der Toxikologie ist ein Ziel, die beteiligten biochemischen Mechanismen zu verstehen, etwa in welchem Umfang chemische Verbindungen toxische Aktivität in lebenden Organismen in Bezug auf eine genau definierte Endpunkt bewirken. Hier wird meist chemisches Fachwissen eingesetzt, zugeschnitten auf spezifische biochemische Wechselwirkungen (top-down Ansatz). Durchaus in Konflikt dazu stehend verwenden statistische Ansätze allgemeine toxikologische Endpunkte und Aktivitätswerte für ein breites Spektrum von Verbindungen. Damit sind sie in erster Linie durch Information in den Daten selbst getrieben (bottom-up). Mein Ziel ist die Entwicklung von leistungsfähigen und dennoch universell einsetzbaren Algorithmen, die diese Kluft verringern.

Spezifisch: Ich befasse mich vor allem mit strukturellen 'Alerts', d.h. Strukturmustern in chemischen Verbindungen, die mit biologischer Aktivität assoziiert sind. Ziel ist es, eine induktive Datenbank mit Verbindungen und Aktivitätswerten bereitzustellen, die Benutzer nach Fragmenten, die für einen Endpunkt von Interesse sind, abfragen können. Hier kommen vor allem frequenzbasierte und statistische Filter zum Einsatz, die effiziente Verfahren zum Aufzählen von Fragmenten (Pruning mit statistischen Kriterien und Häufigkeitskriterien) verwenden.

Auszeichnungen

2003 - 2007: Stipendium der Hans-Böckler Stiftung.

2007: Abschluss unter den besten 33% der Absolventen des Diplom-Studiengangs Informatik, Uni Freiburg, im Jahr 2007.

Aktivitäten

Workshops:

A. Maunz. Elaborate Graph Mining: Exploiting Structural Invariants and Latent Information in Graph Databases to predict REACH-relevant Endpoints, presented at the OpenTox InterAction Meeting, Summer 2011, Technical University Munich, Munich, Germany (9-12 August 2011).

A. Maunz, C. Helma, T. Cramer, and S. Kramer. Latent Structure Pattern Mining, presented at the eCheminfo Community of Practice InterAction Meeting, Summer 2010, Oxford University, Oxford, UK (01-05 August 2010).

A. Maunz, C. Helma. New Lazar Developments, presented at the eCheminfo Community of Practice InterAction Meeting, Autumn 2008, Bryn Mawr College, Philadelphia, USA (13-17 October 2008).

A. Maunz. Instance-based Regression Models for Quantitative Biological Activities using Support Vector Machines and Multilinear Models, presented at the Scarlet Workshop on in silico methods for carcinogenicity and mutagenicity, Milano, Italy (April 2008).

(Co)-Reviewing:

ECML/PKDD 2010, ICDM 2010, KDD 2011, Journal of Intelligent Information Systems, Journal of Chemical Information and Modelling.

Veröffentlichungen

Maunz, A, Gütlein, M, Rautenberg, M, Vorgrimmler, D, Gebele, D, and Helma, C (2013).
lazar: a modular predictive toxicology framework
Frontiers in Predictive Toxicology.

Maunz, A, Helma, C, and Kramer, S (2011).
Efficient mining for structurally diverse subgraph patterns in large molecular databases
In: Machine Learning, vol. 83(2), pp. 193-218, Springer Netherlands.

Hardy, B, Douglas, N, Helma, C, Rautenberg, M, Jeliazkova, N, Jeliazkov, V, Nikolova, I, Benigni, R, Tcheremenskaia, O, Kramer, S, Girschick, T, Buchwald, F, Wicker, J, Karwath, A, Gütlein, M, Maunz, A, Sarimveis, H, Melagraki, G, Afantitis, A, Sopasakis, P, Gallagher, D, Poroikov, V, Filimonov, D, Zakharov, A, Langunin, A, Gloriozova, T, Novikov, S, Skvortsova, N, Druzhilovsky, D, Chawla, S, Gosh, I, Ray, S, Patel, H, and Escher, S (2010).
Collaborative Development of Predictive Toxicology Applications
Journal of Cheminformatics, 2(7).

Maunz, A and Helma, C (2010).
Prediction of Toxic Effects of Pharmaceutical Agents
In: Pharmaceutical Data Mining: Approaches and Applications for Drug Discovery, ed. by Konstantin V. Balakin, Sean Ekins. Wiley, New York, NY, USA, chap. 5, pp. 145-176. (ISBN: 978-0-470-19608-3).

Maunz, A, Helma, C, Cramer, T, and Kramer, S (2010).
Latent Structure Pattern Mining
In: Balcazar, Jose; Bonchi,Francesco; Gionis, Aristides; Sebag, Michele: ECML/PKDD 2010: Machine Learning and Knowledge Discovery in Databases, vol. 6322, pp. 353-368, Berlin / Heidelberg, Springer.

Hammann, F, Gutmann, H, Jecklin, U, Maunz, A, Helma, C, and Drewe, J (2009).
Development of Decision Tree Models for Substrates, Inhibitors, and Inducers of p-Glycoprotein
Current Drug Metabolism, 10(4):339-346.

Maunz, A, Helma, C, and Kramer, S (2009).
Large Scale Graph Mining using Backbone Refinement Classes
In: KDD '09: Proceedings of the 15th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining, pp. 617-626, New York, NY, USA, ACM.

Maunz, A, Helma, C, and Kramer, S (2009).
Large Scale Graph Mining using Backbone Refinement Classes
In: .

Maunz, A and Helma, C (2008).
Prediction of Chemical Toxicity with Local Support Vector Regression and Activity-Specific Kernels
SAR and QSAR in Environmental Research, 19(5-6):413-431.

Kurzer wissenschaftlicher Lebenslauf

Momentaner Status

2008 - jetzt: Doktorand an der Technischen Universität München. Betreuer: Prof. Dr. techn. Stefan Kramer.

Abschlüsse

July 2007: Diplom in Informatik an der Albert-Ludwigs-Universität Freiburg. Betreuer: Prof. Dr. Rolf Backofen.

Arbeitsverhältnisse

2004 - 2005: Machine Learning and Natural Language Processing Lab der Uni Freiburg Freiburg (Hiwi).

2005 - 2007: EU Projekt "Sens-it-iv".

2007 - jetzt: Wissenschaftlicher Mitarbeiter an der Uni Freiburg (Institute: Informatik, Physik, zentrale Einrichtung: FDM).

2008 - jetzt: EU Projekt "OpenTox".

Benutzerspezifische Werkzeuge

Sektionen