Forskningstemaer

Forskningen ved DTU Bioinformatik er fokuseret mod tre forskningstemaer. De tre forskningstemaer udgør områder, hvor vi forventer et stort udviklingspotentiale som reaktion på nogle konkrete samfundsmæssige problemstillinger. Menneskers og dyrs sundhed og sygdomme er omdrejningspunktet i "Sundhedsinformatik" temaet, mens "Bioteknologi og Metagenomisk Informatik" tager fat på de udfordringer og muligheder der ligger i de nye typer genomiske data for bl.a..Det tredje tema er kunstig intelligens i Life Science. Her bygges der videre på den stærke og innovative forskningstradition i machine learning teknikker, som har været en vigtig del af forskningen i Center for Biologisk Sekvensanalyse (CBS). Dette felt udvides med forskning i sikkerhed i forbindelse med Life Science Big data.

Maskinlæring
Maskinlæring er et specialiseret område inden for kunstig intelligens, der dækker over algoritmer med evnen til at lære (fra data) uden at blive eksplicit programmeret. I modsætning til konventionelle top down hypotesedrevet forskning, så kan man via machine learning teknikker, identificere biologiske mekanismer direkte fra data uden forudgående hypoteser. Inden for biologien har denne fremgangsmåde vist sig meget kraftfuld. Opgaven er bl.a. at designe og udvikle nye algoritmer og værktøjer som kan håndtere både størrelsen og kompleksiteten af data inden for sundhedssektoren, og den eksplosion af data, man forudser vil komme fra den bioteknologiske industri.
 
Sundhedsinformatik
DTU Bioinformatik er engageret i humangenetiske projekter som f.eks. brug af genomanalyser til valg af behandlingsmetoder til patienter med børneleukæmi. Temaet omfatter også informatik i forhold til infektionssygdomme f.eks. at forberede den næste generation af global sygdomsovervågning og opbygning af procedurer for forudsigelse af lokale udbrud.
 
Bioteknologi og metagenomisk Informatik
Inden for temaet Bioteknologi og metagenomisk Informatik har DTU Bioinformatik et stærkt samspil med den danske bioteknologiske industri. Sammen opdager og raffinerer vi industrielt vigtige processer. Et eksempel er brug af omics data sammen med maskinlæringskoncepter til forbedring af fødevarerelaterede processer som vingæring og mælkeproduktion.

Leder af Maskinlæring

Morten Nielsen
Professor
DTU Bioinformatik
45 25 24 25

Leder af Sundhedsinformatik

Ramneek Gupta
Lektor
DTU Bioinformatik
45 25 24 22

Leder af Bioteknologi og Metagenomisk...

Thomas Sicheritz-Pontén
Professor
DTU Bioinformatik
45 25 24 22
http://www.bioinformatics.dtu.dk/Forskning/Forskningstemaer
21 NOVEMBER 2017