In this work, we developed new approaches to significantly improve identification of molecular malfunction patterns leading to disease. We introduced a new feature, characterizing protein sequence positions by the distribution of variant effects on protein function. For application in improved effect prediction, we implemented a Machine Learning approach predicting this feature with high accuracy. We further explored the microbiome perspective and designed tools that enable the analyses of microbiome function profiles for disease states as well as microbial functional similarity. To account for Big Data bottlenecks, we published a load balancing software pooling compute resources which speeded up analyses drastically.
«
In this work, we developed new approaches to significantly improve identification of molecular malfunction patterns leading to disease. We introduced a new feature, characterizing protein sequence positions by the distribution of variant effects on protein function. For application in improved effect prediction, we implemented a Machine Learning approach predicting this feature with high accuracy. We further explored the microbiome perspective and designed tools that enable the analyses of micro...
»
Übersetzte Kurzfassung:
Wir entwickelten neue Ansätze, um die Identifikation fehlerhafter molekularer Muster in Bezug auf Krankheiten signifikant zu verbessern. Ein neues Merkmal charakterisiert Positionen einer Proteinsequenz anhand der Verteilung von Mutations-Effekten auf Proteinfunktion. Zur verbesserten Effekt-Vorhersage verwendeten wir Machine Learning, um jenes mit hoher Präzision vorherzusagen. Aus Mikrobiom-Perspektive analysierten wir Metagenom-Funktions-Profile bezüglich Krankheitsstadien und evaluierten funktionelle Gemeinsamkeiten zwischen Mikroorganismen. Um Anforderungen von Big Data zu entsprechen, veröffentlichten wir eine Software zur Lastverteilung zwischen Rechenzentren, die die Analysen drastisch beschleunigte.
«
Wir entwickelten neue Ansätze, um die Identifikation fehlerhafter molekularer Muster in Bezug auf Krankheiten signifikant zu verbessern. Ein neues Merkmal charakterisiert Positionen einer Proteinsequenz anhand der Verteilung von Mutations-Effekten auf Proteinfunktion. Zur verbesserten Effekt-Vorhersage verwendeten wir Machine Learning, um jenes mit hoher Präzision vorherzusagen. Aus Mikrobiom-Perspektive analysierten wir Metagenom-Funktions-Profile bezüglich Krankheitsstadien und evaluierten fun...
»