Forschungsgruppe

Statistische Genetik

Unsere Gruppe legte ursprünglich ihr Hauptaugenmerk auf die quantitative Analyse von genetischen und transkriptomischen Daten, die im Zusammenhang mit psychiatrischen Erkrankungen (hauptsächlich Depression, aber auch PTBS und Schizophrenie) und deren Behandlung gewonnen wurden. Neuerdings haben wir ferner damit begonnen, im gleichen Sinne auch mit Daten der Metabolomik und Proteomik zu arbeiten. Darüber hinaus sind wir an weiteren Phänotypen, wie z. B. Dyslexie/Dyskalkulie, kardiovaskulärer Erkrankung und multipler Sklerose, interessiert, um nur einige davon zu erwähnen.

Wir sind derzeit dabei, Methoden (der Statistik und Informatik) zu entwickeln, um unsere Forschung voranzutreiben und eine gründlichere Analyse zu ermöglichen. Zu diesem Zweck verbinden wir Methoden aus der statistischen Genetik und maschinelles Lernen, wobei wir den Rahmen der Analyse über die reine Genetik hinaus ausdehnen wollen. Als Folge des hohen Berechnungsaufwands, mit dem viele dieser Methoden einhergehen, sind wir interessiert an algorithmischen und ganz allgemein an rechnergestützten Fortschritten, z. B. OpenCL und GPGPU (General Purpose Computation on Graphics Processing Unit) Anwendungen einerseits und schnelleren Algorithmen, sogar approximativen oder zweistufigen Verfahren, andererseits.

Wir sind sehr interessiert an der Weiterentwicklung dieser Techniken und unser Ziel ist es darüber hinaus, diese Ansätze weiter auszuweiten von der univariaten Analyse zur bivariaten und trivariaten Analyse (wie den Epistaseanalysen, die in Fig. 1 gezeigt werden) hin zu netzbasierten Ansätzen, mit dem Ziel, weiterhin die Kontrolle und die Information über die statistischen Eigenschaften der Komponenten dieser Netzwerke aufrechtzuerhalten.

<strong>Fig. 1:</strong> <strong>Rechengeschwindigkeit einer GPGPU Anwendung eines Epistasis Tests.</strong> Interaktion zwischen zwei polymorphen Varianten im Vergleich zu traditionelleren, CPU-basierten Umsetzungen, die zeigen, dass es leicht m&ouml;glich ist, unter Anwendung der GPGPU Technologie Millionen von Interaktionen pro Sekunde in Tausenden von Patienten zu analysieren. [Abbildung aus Kam-Thong et al, Hum Hered, 2012] Bild vergrößern
Fig. 1: Rechengeschwindigkeit einer GPGPU Anwendung eines Epistasis Tests. Interaktion zwischen zwei polymorphen Varianten im Vergleich zu traditionelleren, CPU-basierten Umsetzungen, die zeigen, dass es leicht möglich ist, unter Anwendung der GPGPU Technologie Millionen von Interaktionen pro Sekunde in Tausenden von Patienten zu analysieren. [Abbildung aus Kam-Thong et al, Hum Hered, 2012]
 
loading content