< Terug naar vorige pagina

Project

Voorspelling en onzekerheidskwantificering van de bioactiviteit van kleine moleculen uit chemische structuur en fenotypische gegevens

Vanwege de diversiteit en toenemende beschikbaarheid kunnen in-vitro- assaygegevens een waardevolle bron zijn voor het voorspellen van bioactiviteiten, het monitoren van bijwerkingen en het hergebruiken van medicijnen. Het is bewezen dat machinale leermethoden buitengewoon nuttige hulpmiddelen zijn om deze informatie te benutten om kleine moleculaire liganden met een gewenst activiteitenprofiel te vinden. Macau is een Bayesiaans matrixfactorisatiemodel dat eerder werd ontwikkeld aan de KU Leuven en als bedoeling heeft een latente representatie te leren van complexe interacties uit zeer onvolledige gegevens. Het doel van dit werk is om de voordelen van het bestaande Macau-model en zijn op diepe neurale netwerk gebaseerde opvolger, het SparseChem-model, te verbeteren, uit te breiden en te combineren. Verder zal aanvullende informatie naast moleculaire ‘fingerprints’ worden opgenomen, zoals beeldvormingsgegevens en expressiegegevens voor chemische verbindingen en hun ‘targets’. Deze nieuwe modelarchitecturen zullen onzekerheidsschatting mogelijk maken zonder de beperkingen van puntschattingen, terwijl de representatiekracht van deep learning-modellen behouden blijft, waardoor nauwkeurige en betrouwbare voorspellingen van bioactiviteiten mogelijk worden. Uiteindelijk willen we betrouwbare tools ontwikkelen die de identificatie van liganden met een gewenst bioactiviteitsprofiel in een vroeg stadium in de pijplijn van geneesmiddelenonderzoek mogelijk maken.

Datum:30 sep 2021 →  Heden
Trefwoorden:Modelling, Design theories and methods, Computer architecture and networks, Computational biomodelling and machine learning, Development of bioinformatics software, tools and databases, Bioinformatics data integration and network biology, Dynamical Systems, Signal Processing, and Data Analytics
Disciplines:Toegepaste wiskunde die niet elders zijn geclassificeerd, Computerarchitectuur en netwerken niet elders geclassificeerd, Datamodellen, Programmeertalen die niet elders zijn geclassificeerd, Signaalverwerking niet elders geclassificeerd, Bioinformatica, Datavisualisatie en high-throughput beeldanalyse, Computationele biomodellering en machine learning, Ontwikkeling van bio-informatica software, tools en databases, Bio-informatica data-integratie en netwerkbiologie
Project type:PhD project