Ontginnen van biomedische netwerken door gebruik te maken van structuur- en achtergrondinformatie

Het doel van dit doctoraat is om schaalbare data mining en machine learning methoden te ontwikkelen, specifiek voor interactie data (bvb. drug-eiwit, patiënt-drug, of patiënt-gen interacties) waarbij achtergrondinformatie aanwezig is. De fundamentele bijdragen van dit promotieonderzoek bevatten onder meer de aanpassing van bestaande en het ontwikkelen van nieuwe machine learning technieken die 1) in staat zijn om de interactie gegevens efficiënt te analyseren, en 2) schaalbaar zijn en dus implementeerbaar op grote clusters met veel rekenkracht. De impact van dit doctoraat zal in de eerste plaats in het gebied van bio-informatica en medische technologieën liggen, omdat de vooruitgang in het begrijpen van biologische processen sterk afhankelijk is van de toegepaste leertechnieken, en in de tweede plaats in het gebied van machine learning zelf, omdat nieuwe leeralgoritmen voor interactie gegevens zullen worden ontwikkeld. Bovendien zullen deze technieken ontwikkeld worden op een abstract niveau, waardoor hun toepasbaarheid in andere domeinen toeneemt.