23 mei 2017 van 12:45 tot 13:45

Promotie: Voorspellen van een optimaalfunctie voor diagnostische en prognostische analyses met gen expressie data

Nu de genetische code van de mens ontcijfert is, is het mogelijk om in detail te kijken naar de genetische kenmerken van een persoon en die te gebruiken tijdens medische behandelingen. Dit biedt grote mogelijkheden, en het is een uitdaging om deze mogelijkheden te verwezenlijken. Welk van onze ruim 20000 genen heeft invloed op deze ziekte? De onderzoeker heeft dit geillustreerd aan de hand van een groep van 84 genen die hij geïdentificeerd heeft. Die voorspelt welke kinderen ernstig ziek worden door het RS-virus.

Dit probleem is nog lastiger wanneer onderzoekers niet alleen willen kijken naar de werkzaamheid van een gen, maar ook naar de mate van activatie (‘genexpressie’). Omdat de huidige statistische analysemethoden niet toereikend zijn, wil men gebruik gaan maken van machinaal leren (‘machine learning’) om toch het verband tussen genen, genexpressie en ziekte te leggen.

In dit proefschrift bestudeert de onderzoeker de toepassing van machinaal leren op genexpressiedata. Hij heeft specifieke kenmerken beschreven die van invloed zijn op de werking van veelgebruikte machinale algoritmen. Dat deed hij door gebruik te maken van gesimuleerde en publiek beschikbare genexpressiedata. Door gebruik te maken van deze kenmerken valt nu beter te voorspellen welk algoritme het beste werkt. Dit  is toegepast op het voorspellen van de ernst van ziekte in kinderen die een beginnende RS-virusinfectie hebben. Een deel van deze kinderen zal uiteindelijk verpleegd moeten worden op de  intensive care, maar vooraf is niet te voorspellen wie. Met behulp van onderzoek naar een groep van 84 genen die hij heeft geïdentificeerd, is er in de toekomst beter zicht op welk kind in het ziekenhuis moet blijven vanwege het RS-virus en wie weer naar huis mag.

Begindatum en -tijd
23 mei 2017 12:45
Einddatum en -tijd
23 mei 2017 13:45
Promovendus
Victor Jong
Proefschrift
Predicting an optimal function for diagnostic and prognostic analyses with gene expression data
Promotor(es)
Prof. dr. ir. M. J. C. EijkemansProf. dr. C. B. Roes
Entree
Gratis