Projekti / Programi
Računska orodja za odkrivanje prognostičnih markerjev v analizi preživetja
| Koda |
Veda |
Področje |
Podpodročje |
| 2.07.00 |
Tehnika |
Računalništvo in informatika |
|
| Koda |
Veda |
Področje |
| 1.02 |
Naravoslovne vede |
Računalništvo in informatika |
biomarkerji, analiza preživetja, genski izrazi, interaktivne vizualizacije, raziskovalna analiza podatkov
Podatki za zadnjih 5 let (citati za zadnjih 10 let) na dan
19. april 2024;
A3 za obdobje
2018-2022
Podatki za razpise ARIS (
04.04.2019 - Programski razpis,
arhiv
)
| Baza |
Povezani zapisi |
Citati |
Čisti citati |
Povprečje čistih citatov |
| WoS |
141 |
16.135 |
15.742 |
111,65 |
| Scopus |
181 |
19.500 |
18.991 |
104,92 |
Raziskovalci (8)
| št. |
Evidenčna št. |
Ime in priimek |
Razisk. področje |
Vloga |
Obdobje |
Štev. publikacijŠtev. publikacij |
| 1. |
16324 |
dr. Janez Demšar |
Računalništvo in informatika |
Raziskovalec |
2021 - 2024 |
340 |
| 2. |
32930 |
Aleš Erjavec |
|
Tehnični sodelavec |
2021 - 2024 |
12 |
| 3. |
56629 |
Pavlin Gregor Poličar |
Računalništvo in informatika |
Raziskovalec |
2022 - 2024 |
10 |
| 4. |
57109 |
Ela Praznik |
Računalništvo in informatika |
Raziskovalec |
2022 |
0 |
| 5. |
38461 |
dr. Ajda Pretnar Žagar |
Računalništvo in informatika |
Raziskovalec |
2021 - 2024 |
46 |
| 6. |
30142 |
dr. Marko Toplak |
Računalništvo in informatika |
Raziskovalec |
2021 - 2024 |
27 |
| 7. |
12536 |
dr. Blaž Zupan |
Računalništvo in informatika |
Vodja |
2021 - 2024 |
531 |
| 8. |
30921 |
dr. Lan Žagar |
Računalništvo in informatika |
Raziskovalec |
2021 - 2024 |
17 |
Organizacije (1)
Povzetek
V predlaganem projektu bomo zgradili zmogljivo, a intuitivno zbirko orodij za podporo in avtomatizacijo odkrivanja kompleksnih prognostičnih biomarkerjev iz transkriptomskih podatkov. Večgenski biomarkerji lahko zajamejo fiziološko stanje bolnikov na točki diagnoze ali odločitve o zdravljenju in predstavljajo temelj personalizirane medicine. Da bi razvoj te sodobne paradigme medicine v naši starajoči se družbi pospešili, predlagamo uporabo metod podatkovne znanosti, strojnega učenja in vizualizacije podatkov za računalniško podprto odkrivanje (CAD) biomarkerjev. Trenutne rešitve za odkrivanje prognostičnih biomarkerjev iz podatkov o kliničnem preživetju sestavljajo različni drobci kode v jezih R ali Python. Že njihova integracija s podatkovnimi bazami zahteva veliko dela, še daljša pa je pot do interaktivnega in vizualnega pregledovanja rezultatov. Obstaja velika potreba po celovitih orodjih, ki bi strokovnjakom na področju pomagala pri odkrivanju skritih vzorcev in rezultate sporočala drugim deležnikom v procesu, npr. zdravnikom in zdravstvenim regulatorjem. Predlagamo razvoj nabora računskih metod in tehnik raziskovanja interaktivnih modelov za širši dostop do znanosti odkrivanja biomarkerjev. Osredotočili se bomo na kompleksne biomarkerje z ekspresijo več genov (transkriptomske), ki napovedujejo za klinični izid (prognozo) bolnikov z rakom (npr. celokupno preživetje, preživetje brez napredovanja bolezni). Orodje bo s pomočjo ontologij, nadzorovanega besedišča in drugih oblik kuriranega javnega znanja poiskalo in razvrstilo potencialne genetske biomarkerje ter vizualiziralo povezave med geni v genskem naboru. To bo razkrilo skrivnosti črne skrinjice, kot tipično dojemamo metode strojnega učenja, in omogočilo interpretacijo rezultatov v širšem kontekstu biomedicinske znanosti. Končni rezultati projekta bodo novince in strokovnjake iz akademije in industrije opolnomočili za hitrejše odkrivanje biomarkerjev. To bomo dosegli z osredotočanjem na tri vidike: Robustna podatkovna znanost. Razvoj in odprtje kode v jeziku Python, knjižnica računskih pristopov, vključno z analizo interakcije biomarkerjev na osnovi preživetja, zemljevidi biomarkerjev in hevrističnim iskanjem skupin biomarkerjev z integracijo podatkov in baz znanja.Enostavnost uporabe. Implementacija orodij v okviru Orange, ustaljenem okolju za vizualno programiranje in podatkovno znanost, z interaktivnimi vizualizacijami, ki se preprosto povežejo z javnimi podatkovnimi bazami.Komunikacija. Vodilno načelo za oblikovanje programske opreme bo izboljšana komunikacija med deležniki na področju raziskav in razvoja biomarkerjev. Cilj pa je tudi novince na področju opolnomočiti z vrsto gradiv za usposabljanje. Projekt je ambiciozen in zahteven, vendar nadgrajuje naše dosedanje delo. Vodja projekta je objavil znanstvene članke na temo pristopov k odkrivanju interakcij med spremenljivkami, sestavljanja spremenjivk, projiciranja in mapiranja podatkov, iskanja na podlagi integracije podatkovnih zbirk, in interpretacije vizualizacij podatkov. Razvijamo Orange (http://orangedatamining.com), ki ima veliko uporabnikov v gospodarstvu in izobraževanju, in tudi rezultati projekta bodo predstavljali razširitev te platforme. Sodelujemo z Genialisom, podjetjem, ki je specializirano za raziskave na področju podatkovne znanosti za uporabo v personalizirani medicini. So vodilni na področju kompleksnih transkriptomskih biomarkerjev in so v procesu registracije prvega transkriptomskega biomarkerja za klinično uporabo. Orodja, razvita v tem projektu, bodo v prvi vrsti pospešila postopek njihovega znanstvenega odkrivanja in poenostavila njihovo komunikacijo s partnerji. Kot neposreden rezultat tega dela je predviden tudi skupni patent. Slednjič pa bodo ta orodja na voljo širši znanstveni skupnosti in bodo lahko resnično pripomogla k globalnemu napredku na področju personalizirane medicine.
