Merkmalsselektion in hochdimensionalen Daten am Beispiel der Risikoprognose in der Onkologie (C01)

• Fachliche Zuordnung: Bioinformatik und Theoretische Biologie ; Hämatologie, Onkologie
• Förderung: Förderung von 2011 bis 2022
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 124020371

Die verlässliche Interpretation sehr hochdimensionaler Daten bei gleichzeitig geringer Stichprobenzahl ist eine bisher ungelöste Herausforderung der Datenanalyse. Robustheit bei der Merkmalsauswahl und bei der individuellen Vorhersage ist wichtig. Ziel des Projektes ist die Konstruktion zuverlässiger Prädiktionsmodelle zur präzisen Risikoabschätzung in der Onkologie am Beispiel des Neuroblastoms, eines häufigen soliden Tumors des Kindesalters. Mit Hilfe probabilistischer graphischer Modelle auf der Basis von Next Generation Sequencing- und weiterer Hochdurchsatzdaten wird die Interpretierbarkeit der Modelle deutlich verbessert und die Tumorentwicklung über längere Zeiträume modelliert.

• DFG-Verfahren: Sonderforschungsbereiche
• Teilprojekt zu: SFB 876: Verfügbarkeit von Information durch Analyse unter Ressourcenbeschränkung
• Antragstellende Institution: Technische Universität Dortmund
• Teilprojektleiterinnen / Teilprojektleiter: Professor Dr. Johannes Köster, seit 4/2021; Dr. Sangkyun Lee, von 1/2015 bis 2/2017; Professorin Dr. Katharina Morik, bis 12/2014; Professor Dr. Sven Rahmann, von 1/2015 bis 3/2021; Professor Dr. Alexander Schramm