Talen en methoden voor vraaggeörienteerde datamining in de bio-informatica

Recente technologische ontwikkelingen stellen microbiologen er toe in staat om high-throughput experimenten uit te voeren op cel niveau, door bijvoorbeeld gebruik te maken van time-lapse microscopie. Zulke experimenten produceren een enorme hoeveelheid moeilijk te analyseren gestructureerde data. Datamining technieken, die trachten kennis te halen uit data, kunnen hierbij helpen. Het is echter niet altijd triviaal om bestaande technieken toe te passen: de formulering van een probleem verschilt tussen data mining en microbiologie, programmeervaardigheid is noodzakelijk bij bestaande technieken en bovendien vereisen sommige algoritmes kennis over hun werking om correct uitgevoerd te kunnen worden.

De doelsteling van dit doctoraat is om deze kloof tussen de twee domeinen te overbruggen. Dit betekent dat er enerzijds geschikte datamining methodes moeten gevonden worden die time-lapse microscopie data kunnen analyseren, mogelijks moeten ze aanpast en/of uitbreid worden voor deze specifieke context. Anderzijds betekent dit het implementeren van systemen die gebruikt kunnen worden door datamining leken. Om dit doel te bereiken, focust het onderzoek zich op vraaggeoriënteerde methodes, waarbij een gebruiker antwoorden kan zoeken op een declaratieve wijze waarbij er geen kennis van de gebruikte methode verondersteld wordt.

Dit doctoraat verloopt in samenwerking met microbiologen van het "Lab of Food Microbiology" van het LandbouwInstituut van KULeuven.