Sie sind hier:

Netzwerk-Meta-Analysen für indirekte Inferenz aus publizierten Omics-Studien

Methoden:

Wissensextraktion aus publizierten Studien und Daten; Vermeidung von Tierversuchen durch indirekte Inferenz aus existierenden Ergebnissen; Zusammenführen von Studienergebnissen mit Methoden des Data Science; Methoden zur Simulation hochdimensionaler Datenstrukturen

 

Projektbeschreibung:

Aus bereits vorhandenen Studienergebnisse können mittels Netzwerk-Meta-Analysen indirekte Gruppenvergleiche angestellt werden, d.h. Gruppenvergleiche, die in den Originalstudien noch nicht untersucht wurden. Dadurch können weitere Tierversuche vermieden werden. In diesem Projekt wird untersucht, wie die Netzwerk-Meta-Analyse auf hochdimensionale Daten aus „Omics“-Experimenten (z.B. Transkriptom-, Proteom- oder Metabolom-Profile) angewendet werden kann. Es wird ferner erforscht, wie aus bereits öffentlichen, experimentellen Omics-Daten neues Wissen durch Methoden der Mustererkennung extrahiert werden kann.

Daneben werden Verfahren entwickelt, um allgemein hoch-dimensionale Daten simulieren zu können. Diese Verfahren können dazu beitragen, Transkriptom-, Proteom- oder Metabolom-Studien am Computer simulieren zu können.

 

 

Projektverantwortliche:

Prof. Dr. Klaus Jung (klaus.jung@tiho-hannover.de; 0511-953-8878)

Institut für Tierzucht und Vererbungsforschung, AG Genomics and Bioinformatics of Infectious Diseases, Stiftung Tierärztliche Hochschule Hannover

 

Diese Seite