Folien

Genomweite Assoziationsstudien ermöglichen das Auffinden krankheitsspezifischer Gene und deren Variationen. Die schiere Datenmenge und die damit verbundenen statistischen Notwendigkeiten wie die Korrektur multiplen Testens sind einige der Probleme, die diese Aufgaben erschweren. Der folgende Vortrag fasst die Arbeiten des Fraunhofer Instituts für Algorithmen und wissenschaftliches Rechnens (SCAI) im Rahmen des europäischen Projektes @neurIST zusammen. Dabei wird unser Knowledge Discovery Ansatz zum Auffinden von krankheitsspezifischen Genen und Varianten in wissenschaftlichen Texten und Datenbanken vorgestellt. Hierbei spielen maschinelle Lernverfahren wie Conditional Random Fields eine grosse Rolle. Weiterhin möchte ich unsere Pläne zum auffinden komplexer, interagierender SNP Assoziationen mit Hilfe von Support Vector Maschinen zur Diskussion stellen.