Preskoči na vsebino Preskoči na navigacijo

Inštitut za matematiko, fiziko in mehaniko

Language:
RSS:
Navigacija

A generating function is a clothesline on which we hang up a sequence of numbers for display.

Herbert S. Wilf
Nahajate se tu: Domov Raziskave in projekti Raziskovalni projekti J1-8155 - Zlivanje biomedicinskih podatkov z uporabo nenegativne matrične tri-faktorizacije
Akcije dokumenta

J1-8155 - Zlivanje biomedicinskih podatkov z uporabo nenegativne matrične tri-faktorizacije

Vodja projekta: prof. dr. Nataša Pržulj.

Temeljni znanstveno-raziskovalni projekt.

Vodja projekta: prof. dr. Nataša Pržulj

Naslov projekta: Zlivanje biomedicinskih podatkov z uporabo nenegativne matrične tri-faktorizacije

Šifra projekta: J1-8155

Veda: Naravoslovno matematične vede

Trajanje projekta: 01. 05. 2017 - 30. 04. 2020.

Cenovna kategorija: C

Letni obseg projekta: 1,59 FTE

Sodelujoči organizaciji:

0106 - Institut "Jožef Stefan"

0792 - Univerza v Ljubljani, Fakulteta za strojništvo

Projekt sofinancira: Javna agencija Republike Slovenije za raziskovalno dejavnost.

Vsebinski opis projekta:

Osnovni raziskovalni cilj predlaganega projekta je razvoj novih, učinkovitih in natančnih metod za reševanje problemov nenegativne matrične faktorizacije ter njihova uporaba na realnih, kompleksnih biomedicinskih podatkih. Končni cilj je pomagati odgovoriti na temeljna biomedicinska vprašanja iz precizne medicine: stratifikacija pacientov, odkrivanje biomarkerjev in uporaba zdravil v nove namene.

Osrednji problem matematične optimizacije, ki ga bomo študirali, je problem nenegativne matrične tri-faktorizacije s kaznijo (PNMTF), ki je nekonveksen visokodimenzionalen optimizacijski problem, torej zanj ne obstaja učinkovit algoritem za iskanje optimalnih rešitev (razen če je P=NP). Zato se bomo osredotočili na razvoj najboljših aproksimacijskih algoritmov, ki bodo temeljili na uporabi Metode negibne točke in na Bločno koordiniranem spustu, ki bo kombiniran s posebnimi izvedbami metod prvega in drugega reda. Metode bomo analizirali z vidika teoretične in praktične učinkovitosti.

Osrednji problem podatkovnega modeliranja, s katerim se bomo ukvarjali v tem projektu, je uporaba (skoraj) optimalnih rešitev problema PNMTF pri iskanju dobrih so-gruč in dobrih večkratnih povezav med točkami, ki tvorijo kompleksna biomedicinska omrežja. Ozko grlo tega dela projekta je reševanje problema maksimalnega k-prirejanja, ki je tudi NP-težek problem za k>=3. Razvili bomo nove hevristične metode za reševanje tega problema in na koncu tudi najsodobnejši algoritem za iskanje so-gruč in večkratnih povezav v omrežjih biomedicinskih podatkov.

Prej omenjene nove metode podatkovnega modeliranja bodo uporabljene na kompleksnih podatkih o pacientih z revmatoidnim artritisom (RA) ter o pacientih z rakom. Cilj te uporabe bo iskanje so-gruč med pacienti in napovedovanje novih relacij na osnovi bogastva, skritega v teh podatkih. Vse nove medicinske ugotovitve, pridobljene v sklopu tega projekta, bodo medicinsko preverjene in klinično preizkušene s strani drugih raziskovalnih sodelavcev iz Univerze v Ljubljani in iz University College London.

Posebna prednost tega projekta je v tem, da bomo vse na novo razvite metode za reševanje PNMTF in za iskanje so-gruč in pomembnih večkratnih povezav sprogramirali na način, da bodo učinkovito tekle na superračunalniku, ki ga zagotavlja ULFS.

Raziskovalni skupnosti bodo na voljo v obliki brezplačnega, odprtokodnega, uporabniku prijaznega programskega paketa.

Sestava projektne skupine: povezava na SICRIS

Bibliografske reference: povezava na SICRIS