Dr. rer. nat. Dörte Wittenburg

Institut für Genetik und Biometrie

+49 38208 68-902
Leibniz-Institut für Nutztierbiologie (FBN)
Institut für Genetik und Biometrie
Abteilung Statistische Methoden in der Genomik
Wilhelm-Stahl-Allee 2
18196 Dummerstorf

Forschungsinteressen

  • Statistische Methoden zur Schätzung von genetischen Effekten auf quantitative Merkmale, Signifikanztests und Poweranalysen
  • Untersuchung von Abhängigkeiten zwischen genomischen Markern
  • Schätzung populationsgenetischer Parameter

Lebenslauf

  • Seit 2019: Leitung der Abteilung „Statistische Methoden in der Genomik“ am Leibniz-Institut für Nutztierbiologie (FBN),  Institut für Genetik und Biometrie
    Hauptthema: Berücksichtigung von Abhängigkeiten zwischen genomischen Markern bei der Schätzung genetischer Effekte
  • 2013-2018: Leitung der Nachwuchsforschergruppe "Genomgestützte Phänotypvorhersage" am Leibniz-Institut für Nutztierbiologie (FBN), Institut für Genetik und Biometrie
    Hauptthema: Berücksichtigung der Populationsstruktur und unterschiedlichen Ursachen genetischer Variation bei der Phänotypvorhersage; Untersuchung von Abhängigkeiten zwischen Genomsegmenten
  • 2008-2012: PostDoc der Nachwuchsforschergruppe "BovIBI: Integrative Bioinformatik in der Genomischen Selektion beim Rind" am Leibniz-Institut für Nutztierbiologie (FBN)
    Hauptthema: Entwicklung statistischer Modelle für die Vorhersage von Phänotypen basierend auf genomweiten SNP-Daten und die Erweiterung um nicht-additive Effekte
  • 2005-2008: Doktorarbeit in statistischer Genetik (Promotion zum Dr. rer. nat. in Biomathematik) am Leibniz-Institut für Nutztierbiologie (FBN) und der Universität Greifswald
    Thema: Statistische Modellierung der Variabilität des Geburtsgewichts innerhalb Wurf beim Schwein
  • 2000-2005: Studium der Wirtschaftsmathematik (Dipl.-Math. oec.) an der  Universität Rostock
    Hauptthemen: Mathematische und asymptotische Statistik, partielle Differentialgleichungen, Finanzmanagement, Datenbanken
    Diplomarbeitsthema: Lineare und verallgemeinerte lineare Modelle zum Nachweis von QTL-Effekten auf die Varianz wiederholter Messungen

Lehre

Vorlesungen im Modul "Lineare und Gemischte Modelle" im Masterstudiengang Tierwissenschaften und Pflanzenproduktion an der Universität Rostock

Publikationen

Hampel, A.; Teuscher, F.; Gomez-Raya, L.; Doschoris, M.; Wittenburg, D. (2018):
Estimation of recombination rate and maternal linkage disequilibrium in half-sibs. Front Genet 9: 186, 1-13
Boerner, V.; Wittenburg, D. (2018):
On estimation of genome composition in genetically admixed individuals using constrained genomic regression. Front Genet 9: 185, 1-14
Wittenburg, D.; Liebscher, V. (2018):
An approximate Bayesian significance test for genomic evaluations. Biometrical J 60: 1096-1109
Wittenburg, D.; Teuscher, F.; Klosa, J.; Reinsch, N. (2016):
Covariance between genotypic effects and its use for genomic inference in half-sib families. G3-Genes Genomes Genetics 6 (9): 2761-2772
Hampel, A.; Teuscher, F.; Wittenburg, D. (2016):
A likelihood approach for the estimation of recombination rate and linkage disequilibrium in half-sib families . Schriftenreihe / Leibniz-Institut für Nutztierbiol 25: 9-12
Wittenburg, D.; Melzer, N.; Reinsch, N. (2015):
Genomic additive and dominance variance of milk performance traits. J Anim Breed Genet 132 (1): 3-8
Zebunke, M.; Repsilber, D.; Nürnberg, G.; Wittenburg, D.; Puppe, B. (2015):
The backtest in pigs revisited - an analysis of intra-situational behaviour. Appl Anim Behav Sci 169: 17-25
Wittenburg, D.; Reinsch, N. (2014):
Selective shrinkage of genomic effects using synthetic dependencies in neighboring chromosome regions. In: Proceedings of the 10th World Congress on Genetics Applied to Livestock Production (American Society of Animal Science, Hrsg.): 216
Wittenburg, D.; Melzer, N.; Willmitzer, L.; Lisec, J.; Kesting, U.; Reinsch, N.; Repsilber, D. (2013):
Milk metabolites and their genetic variability. J Dairy Sci 96 (4): 2557-2569
Muràni, E.; Ponsuksili, S.; Reyer, H.; Wittenburg, D.; Wimmers, K. (2013):
Expression variation of the porcine ADRB2 has a complex genetic background. Mol Genet genomics 288 (11): 615-625
Melzer, N.; Wittenburg, D.; Hartwig, S.; Jakubowski, S.; Kesting, U.; Willmitzer, L.; Lisec, J.; Reinsch, N.; Repsilber, D. (2013):
Investigating associations between milk metabolite profiles and milk traits of Holstein cows. J Dairy Sci 96 (3): 1521-1534
Melzer, N.; Wittenburg, D.; Repsilber, D. (2013):
Integrating milk metabolite profile information for the prediction of traditional milk traits based on SNP information for Holstein cows. Plos One 8 (8): 1-10
Melzer, N.; Wittenburg, D.; Repsilber, D. (2013):
Investigating a complex genotype-phenotype map for development of methods to predict genetic values based on genome-wide marker data - a simulation study for the livestock perspective. Arch Tierzucht 56 (38): 380-398
Wittenburg, D.; Melzer, N.; Reinsch, N. (2011):
Including non-additive genetic effects in Bayesian methods for the prediction of genetic values based on genome-wide markers. BMC Genet 12: 74-88
Wittenburg, D.; Guiard, V.; Teuscher, F.; Reinsch, N. (2010):
Analysis of birth weight variability in pigs with respect to liveborn and total born offspring. J Anim Breed Genet 128 (1): 35-43
Wittenburg, D.; Teuscher, F.; Reinsch, N. (2010):
Statistical tools to detect genetic variation for a sex dimorphism in piglet birth weight. J Anim Sci 89 (3): 622-629
Bielohuby, M.; Sawitzky, M.; Johnsen, I.; Wittenburg, D.; Beuschlein, F; Wolf, E.; Hoeflich, A. (2009):
Decreased p44/42 Mitogen-Activated protein Kinase Phoshorylation in Gender- or Hormone-Related But Not during Age-Related Adrenal Gland Growth in Mice. Endocrinology 150 (3): 1269-1277
Wittenburg, D. (2008):
Statistical modelling of birth weight variability within litter in pigs Rostock: 1- 144
Wittenburg, D.; Guiard, V.; Teuscher, F.; Reinsch, N. (2008):
Comparison of statistical models to analyse the genetic effect on within-litter variance in pigs. Animal 2 (11): 1559-1568
Wittenburg, D.; Guiard, V.; Liese, F.; Reinsch, N. (2007):
Linear and generalized linear models for the detection of QTL effects on within-subject variability. Genet Res 89 (4): 245-257