See veebileht kasutab küpsiseid kasutaja sessiooni andmete hoidmiseks. Veebilehe kasutamisega nõustute ETISe kasutustingimustega. Loe rohkem
Olen nõus
"Personaalse uurimistoetuse stardigrant" projekt PSG59
PSG59 "Arvutuslik analüüs ja teadmised bioloogilistest andmetest (OmicNet) (1.01.2018−31.12.2020)", Hedi Peterson, Tartu Ülikool, Loodus- ja täppisteaduste valdkond, arvutiteaduse instituut.
PSG59
Arvutuslik analüüs ja teadmised bioloogilistest andmetest (OmicNet)
Computational analysis and learning from biological data (OmicNet)
1.01.2018
31.12.2020
Teadus- ja arendusprojekt
Personaalse uurimistoetuse stardigrant
ValdkondAlamvaldkondCERCS erialaFrascati Manual’i erialaProtsent
4. Loodusteadused ja tehnika4.6. ArvutiteadusedP170 Arvutiteadus, arvutusmeetodid, süsteemid, juhtimine (automaatjuhtimisteooria)1.2 Arvutiteadus ja informaatika60,0
1. Bio- ja keskkonnateadused1.12. Bio- ja keskkonnateadustega seotud uuringud, näiteks biotehnoloogia, molekulaarbioloogia, rakubioloogia, biofüüsika, majandus- ja tehnoloogiauuringudT490 Biotehnoloogia 1.6 Bioteadused20,0
3. Terviseuuringud3.11. Terviseuuringutega seotud uuringud, näiteks biokeemia, geneetika, mikrobioloogia, biotehnoloogia, molekulaarbioloogia, rakubioloogia, biofüüsika ja bioinformaatikaB110 Bioinformaatika, meditsiiniinformaatika, biomatemaatika, biomeetrika 3.1 Biomeditsiin20,0
PerioodSumma
01.01.2018−31.12.201875 000,00 EUR
01.01.2019−31.12.201975 000,00 EUR
150 000,00 EUR

Me elame ajastul kus andmete kasvutempo ületab arvutusvõimsuse oma. Andmete tootmise ja arvutusvõimekuse vahe aina suurenev erinevus on tekitanud nõudluse nutikamate viiside järele, et toime tulla andmete halduse, integreerimise ja interpreteerimisega. Viimastel aastatel oleme laiendanud erinevate oomika andmete töötlemis- ja analüüsivõimekust, uurinud andmete integreerimise meetodeid sobitamaks kokku avalikke ja privaatseid oomika andmeid ja keskendunud statistiliste mudelite loomisele, mille abil saab oomika andmestikke kombineerides selgitada tuntud fenotüübi markeri uusi bioloogilisi rolle. Käesoleva projekti eesmärgiks on andmetest automaatselt tuvastada võimalikud segufenotüübid, fenotüübi spetsiifliste markerite hulgad üle erinevate oomika andmete ja selliste markerite omavaheline põhjuslik seos. Selleks loome ja rakendame uusi meetodeid Geenivaramu oomika ja terviseandmetele. Seejuures keskendume oma töös vananemisprotsessides rolli mängivate molekulaarsetele mehhanismidele.
We are living in the era where the rate of data production in biomedical field has outgrown the increase of computational power. This increasing gap between the data production and computing power demands smarter ways to handle, integrate, analyse and interpret all the data being produced. In the last years we have focused on getting first hand data analysis experience for a variety of omics data types. Additionally we have explored methodologies to integrate disease related public and private omics datasets and focused on generating statistical models combining omics data to enlighten the regulation of common phenotype marker. The current proposal aims to identify mixture phenotypes, phenotype specific markers across data types and find the causality between these by applying state of the art methodologies on clinical health data and multi-omics data from Estonian Genome Center. Finally, we will focus our efforts on identifying molecular mechanisms playing a role in ageing.