View Project

Norwegian AI Directory

TrACEr: Time-Aware ConstrainEd Multimodal Data Fusion


Description:

Komplekse systemer finnes i mange domener og en bedre forståelse av hvordan slike systemer oppfører seg og utvikler seg over tid kan gi oss økt forståelse av viktige mekanismer som f.eks. hjernedynamikk og det menneskelige metabolomet. Bedre forståelse kan hjelpe oss å fange opp tidlige tegn på sykdommer. For å oppnå en nødvendig grad av forståelse må disse systemene monitoreres ved bruk av forskjellige sensorteknologier. Dette genererer store mengder data der noen av datasettene endrer seg over tid, mens andre er statiske. Et viktig spørsmål blir da hvordan vi analyserer dynamiske datasett sammen med statiske datasett fra forskjellige kilder. Målet for Tracer prosjektet er å besvare dette spørsmålet gjennom å utvikle nye metoder for dataanalyse som tillater samtidig analyse av statiske og dynamiske data fra flere kilder, samt fange opp underliggende mønstre og utviklingen av disse mønstrene. Den praktiske anvendelsen av disse metodene vil være en analyse av det menneskelige metabolomet. Vi vil bruke de utviklede metodene for å gjøre en samtidig analyse av statisk informasjon (genetikk, mikrobiota) og metabolomikk data for å oppdage tolkbare mønstre som tilsvarer metabolske nettverk (nettverk av metabolitter som virker sammen), med et endelige mål om å forstå overgangen fra friske til syke tilstander. Vi har tilnærmet oss problemet fra flere vinkler: (i) Metoder for data fusjon: Vi har introdusert fleksible algoritmer som kan analysere data fra flere kilder og som kan inkludere eksisterende informasjon i form av begrensninger, forskjellige relasjoner mellom dataset og forskjellige fordelinger av data, (ii) Analyse av data over tid: Vi har introdusert fleksible algoritmer som er i stand til å fange opp mønstre som oppstår over tid, (iii) Analyse av dynamiske metabolomikk data (simuleringer): Vi har tatt i bruk modeller innen biologi for å simulere dynamiske metabolomikk data slik at vi kan utforske hvilke datadrevne metoder som er best egnet til å identifisere den underliggende dynamikken, (iv) Analyse av dynamiske metabolomikk data i kombinasjon med omics data (reelle data): Vi har tatt i bruk forskjellige metoder for dataanalyse and datafusjon slik at vi kan analysere dynamiske metabolomikk data og genetiske data. Publikasjoner og annen aktivitet i prosjektet finnes på prosjektets hjemmeside: https://tracer.simulamet.no/ Prosjektets hovedbidrag vil være å utvikle nye metoder for dataanalyse som er nødvendige for å hente ut meningsfylt informasjon fra personlige helsedata. Dette er data som blir samlet inn i prediktive medisinstudier der deltakerne regelmessig avgir blodprøver for oppfølging av deres helsetilstand og for å bli varslet om tidlige tegn på sykdommer.


Project leader: Evrim Acar Ataman

Started: 2020

Ends: 2024

Category: Øvrige forskningsinstitutter

Sector: Instituttsektor

Budget: 10391980

Institution: SIMULA METROPOLITAN CENTER FOR DIGITAL ENGINEERING AS

Address: NA