Prediksjonsmetoder for mikromatriser og ontologier

I doktoravhandlingen sin ved Norges teknisk-naturvitenskapelige universitet NTNU har sivilingeniør Herman Midelfart (32) fra Oslo utviklet metoder som kan brukes til å analysere mikromatrisedata.

Metodene kan også brukes i andre sammenhenger, som tekstklassifikasjon og til å predikere funksjonen til gener fra sekvensdata. Arbeidet introduserer en rekke problemstillinger som kan studeres videre.

Avhandlingen utvikler læringsmetoder for å analysere mikromatrisedata sammen med biologisk bakgrunnsinformasjon, som kliniske data og geninformasjon. Arbeidet ser spesielt på to vanlige typer mikromatrisestudier og lager analysemetoder for disse studiene.

Først introduseres det en generell metode for å predikere kliniske parametre fra mikromatrisedata i forbindelse med kreftstudier. Denne metoden anvendes for å analysere data fra et magekreftstudium. Deretter utvikles det metoder for å predikere funksjonen(e) til et gen.

I denne sammenhengen er det en betydelig teknisk utfordring at genfunksjonsbeskrivelsene er organisert i en såkalt ontologi, det vil si et hierarki. For å overkomme dette problemet introduseres det et formelt rammeverk for å modellere de hierarkiske sammenhengene mellom funksjonsbeskrivelsene. Videre lages det to nye prediksjonsmetoder samt metoder for å evaluere prediksjonene.

Avhandlingen har tittelen «Knowledge Discovery from cDNA Microarrays and a priori Knowledge». Arbeidet er utført ved Institutt for datateknikk og informasjonsvitenskap, NTNU, med professor Jan Komorowski som hovedveileder og professor Astrid Lægreid som medveileder. Arbeidet er finansiert av NTNU.

Herman Midelfart er sivilingeniør (1996) fra Fakultet for elektro- og datateknikk, NTNU, og disputerte for graden dr.ing. 4. september. Han er ansatt som post doc ved Linnaeus Centre for Bioinformatics, Uppsala Universitet.