Erkennung von Krankheiten durch Klassifikation von DNA-Methylomdaten durch Methoden des maschinellen Lernens

- Bachelorarbeit -


Beschreibung:

 

Die zugrunde liegenden molekularen Mechanismen komplexer metabolischer Erkrankungen, wie Typ-2-Diabetes, sind oftmals nicht vollständig aufgeklärt, was eine adäquate Therapie von Patienten erschwert. Um die Ursache von fehlerhaft regulierten Signalwegen in metabolisch aktiven Organen besser zu verstehen, wird von zunehmend mehr Forschungsgruppen die genomische Modifikation der DNA-Methylierung näher untersucht. DNA-Methylierung kann an über 28 Millionen Cytosinen des humanen Genoms auftreten und wird dynamisch durch Umwelt- und Lebensstileinflüsse verändert, was wiederum die Expression von relevanten Genen beeinflussen kann. Bisherige Analysemethoden zur Funktion veränderter Methylierung beschränken sich meist auf nur einzelne Stellen des Genoms, jedoch ohne einen Zusammenhang zwischen verschiedenen Positionen zu berücksichtigen. Daher können diese veralteten Ansätze nicht das komplette Bild der Krankheitsentstehung entschlüsseln.

Im Rahmen dieser Arbeit sollen Techniken des überwachten maschinellen Lernens auf verschiedenen Methylierungsdatensätze zur Klassifikation von diabetischen und gesunden humanen Individuen angewendet. 

Anforderungen/Kenntnisse:
Maschinelles Lernen...

Bearbeitung:
Christin Krause

Ergebnis:
Die Ausarbeitung kann im Institut für Informationssysteme angefordert werden.

Betreuung:

Prof. Dr. rer.nat. habil. Sven Groppe
Institut für Informationssysteme
Ratzeburger Allee 160 ( Gebäude 64 - 2. OG)
23562 Lübeck
Telefon: 0451 / 3101 5706