Lex Alexander
Dipl.-Ing. Dr.techn.
Forum Technik und Gesellschaft Förderpreisträger 2012
Kategorie Dissertationen
1. Preis
Titel
Visualisierung Multidimensionaler Daten mit Anwendungen in der Molekularen Biologie
Kurzfassung
Der Einsatz von Visualisierung bei der Analyse hochdimensionaler Daten ist wichtig, um Menschen beim Erkennen komplexer Zusammenhänge zu unterstützen. Obwohl die Analyse von einzelnen großen Datensätzen sowohl komplex als auch von großer Bedeutung ist, können viele Probleme nur unter der gleichzeitigen Berücksichtigung mehrerer Datensätze gelöst werden. In dieser Dissertation werden neuartige Visualisierungstechniken eingeführt, die sowohl für die Analyse einzelner als auch für die simultane Analyse mehrerer Datensätze verwendet werden können. Das Konzept basiert auf einer Stratifizierung (Teilung) der Datensätze in homogene Teilmengen, die dann individuell dargestellt werden können. Die Beziehungen, die durch die Teilung verloren gehen, werden durch “Visual Links” wieder hergestellt. Die Teilmengen können dabei mit verschiedenen Visualisierungstechniken dargestellt werden. Dies erlaubt Benutzern oder Benutzerinnen, die richtige Visualisierungstechnik für den Datentyp, den Grad der Homogenität, den Detailgrad der Daten und die aktuellen Aufgabe auszuwählen. Obwohl die in dieser Arbeit eingeführten Visualisierungstechniken generell anwendbar sind, wurden Sie mit dem Ziel, ForscherInnen im Bereich der Molekularen Biologie bei ihrer Arbeit zu unterstützen, entwickelt. Im Speziellen werden zwei Anwendungsfälle aufgegriffen: die Untersuchung der genetischen Ursachen von Steatohepatitis, einer Krankheit, die häufig Leberzirrhose zur Folge hat, sowie die Analyse von Subtypen von Krebs. Die eingeführten Visualisierungstechniken wurden anhand von Fallstudien evaluiert.
persönliche Begründung der gesellschaftlichen Relevanz
Die im Zuge meiner Dissertation durchgeführte Forschungsarbeit beschäftigt sich mit Analyse- und Visualisierungskonzepten für genetische Daten wie sie im Life-Science Bereich häufig vorkommen. Die Motivation, mich mit diesem Thema zu beschäftigen hat zweierlei Gründe: Zunächst haben moderne Messverfahren wie Next-Generation Sequencing die Akquise von biomolekularen Daten so einfach und günstig gemacht, dass die große Herausforderungen im Umgang mit biomolekularen Daten von der Generierung der Daten zur Speicherung und Analyse verschoben wurde. Gleichzeitig macht diese breite Verfügbarkeit biomolekularer Daten aber auch große Hoffnung, dass wir Aufgrund des umfangreichen Datenmaterials auch jene Krankheiten verstehen lernen, die komplexe, multifaktorielle Ursachen mit verschiedenen genetischen Komponenten haben. Zu dieser Klasse von Krankheiten gehören viele Volkskrankheiten wie Herz-Kreislauf Erkrankungen, Diabetes, Alzheimer oder auch Krebs. Die in der Dissertation beschriebene Konzepte sollen genau für diese Arten von Krankheiten - wo Zusammenhänge zwischen genetischen Ursachen und Auswirkungen auf den Gesundheitszustand von Patienten nicht offensichtlich sind -- leichter erforschbar machen. In Kooperation mit Forschern der Medizinischen Universität Graz und der Harvard Medical School wurden Verfahren entwickelt die es den Experten ermöglichen die Zusammenhänge verschiedener Datensätze, die jeweils unterschiedliche biomolekulare Vorgänge messen, zu analysieren. Ein Beispiel für eine konkrete Anwendung die in der Dissertation behandelt wurde ist die Beschreibung von Subtypen von Krebs. Die verschiedenen Arten von Krebs wie zum Beispiel Brustkrebs oder Gehirntumore sind hinsichtlich ihrer genetischen Ursachen und auch in den konkreten Auswirkungen auf die Lebenserwartung oder die notwendige Behandlung von Patienten nicht homogen. Mit dem neuartigen Analyseverfahren lassen sich konkrete Subtypen beschreiben sowie deren Auswirkungen auf biologische Prozesse und auf klinische Parameter wie Lebenserwartung oder Behandlungserfolg ablesen. Diese Entwicklungen werden in naher Zukunft dabei helfen Patienten genauer zu diagnostizieren und ihnen die für sie optimale Behandlungsform zu empfehlen. Von besonderer Bedeutung für den praktischen Einsatz der Forschungsergebnisse ist der Ansatz, die entwickelten Technik als Open-Source Software der internationalen Community zur Verfügung zu stellen. Die Verfahren sind im Caleydo Visualisierungsframework integriert und werden weltweit eingesetzt. Die Website http://caleydo.org stellt nicht nur die Software zur Verfügung sondern präsentiert auch die Forschungsergebnisse in einer für Nutzer verständlichen Art, enthält umfangreiche Hilfestellung und wird durch zahlreiche eigens produzierte Videos illustriert.
Kategorie Dissertationen
1. Preis
Titel
Visualisierung Multidimensionaler Daten mit Anwendungen in der Molekularen Biologie
Kurzfassung
Der Einsatz von Visualisierung bei der Analyse hochdimensionaler Daten ist wichtig, um Menschen beim Erkennen komplexer Zusammenhänge zu unterstützen. Obwohl die Analyse von einzelnen großen Datensätzen sowohl komplex als auch von großer Bedeutung ist, können viele Probleme nur unter der gleichzeitigen Berücksichtigung mehrerer Datensätze gelöst werden. In dieser Dissertation werden neuartige Visualisierungstechniken eingeführt, die sowohl für die Analyse einzelner als auch für die simultane Analyse mehrerer Datensätze verwendet werden können. Das Konzept basiert auf einer Stratifizierung (Teilung) der Datensätze in homogene Teilmengen, die dann individuell dargestellt werden können. Die Beziehungen, die durch die Teilung verloren gehen, werden durch “Visual Links” wieder hergestellt. Die Teilmengen können dabei mit verschiedenen Visualisierungstechniken dargestellt werden. Dies erlaubt Benutzern oder Benutzerinnen, die richtige Visualisierungstechnik für den Datentyp, den Grad der Homogenität, den Detailgrad der Daten und die aktuellen Aufgabe auszuwählen. Obwohl die in dieser Arbeit eingeführten Visualisierungstechniken generell anwendbar sind, wurden Sie mit dem Ziel, ForscherInnen im Bereich der Molekularen Biologie bei ihrer Arbeit zu unterstützen, entwickelt. Im Speziellen werden zwei Anwendungsfälle aufgegriffen: die Untersuchung der genetischen Ursachen von Steatohepatitis, einer Krankheit, die häufig Leberzirrhose zur Folge hat, sowie die Analyse von Subtypen von Krebs. Die eingeführten Visualisierungstechniken wurden anhand von Fallstudien evaluiert.
persönliche Begründung der gesellschaftlichen Relevanz
Die im Zuge meiner Dissertation durchgeführte Forschungsarbeit beschäftigt sich mit Analyse- und Visualisierungskonzepten für genetische Daten wie sie im Life-Science Bereich häufig vorkommen. Die Motivation, mich mit diesem Thema zu beschäftigen hat zweierlei Gründe: Zunächst haben moderne Messverfahren wie Next-Generation Sequencing die Akquise von biomolekularen Daten so einfach und günstig gemacht, dass die große Herausforderungen im Umgang mit biomolekularen Daten von der Generierung der Daten zur Speicherung und Analyse verschoben wurde. Gleichzeitig macht diese breite Verfügbarkeit biomolekularer Daten aber auch große Hoffnung, dass wir Aufgrund des umfangreichen Datenmaterials auch jene Krankheiten verstehen lernen, die komplexe, multifaktorielle Ursachen mit verschiedenen genetischen Komponenten haben. Zu dieser Klasse von Krankheiten gehören viele Volkskrankheiten wie Herz-Kreislauf Erkrankungen, Diabetes, Alzheimer oder auch Krebs. Die in der Dissertation beschriebene Konzepte sollen genau für diese Arten von Krankheiten - wo Zusammenhänge zwischen genetischen Ursachen und Auswirkungen auf den Gesundheitszustand von Patienten nicht offensichtlich sind -- leichter erforschbar machen. In Kooperation mit Forschern der Medizinischen Universität Graz und der Harvard Medical School wurden Verfahren entwickelt die es den Experten ermöglichen die Zusammenhänge verschiedener Datensätze, die jeweils unterschiedliche biomolekulare Vorgänge messen, zu analysieren. Ein Beispiel für eine konkrete Anwendung die in der Dissertation behandelt wurde ist die Beschreibung von Subtypen von Krebs. Die verschiedenen Arten von Krebs wie zum Beispiel Brustkrebs oder Gehirntumore sind hinsichtlich ihrer genetischen Ursachen und auch in den konkreten Auswirkungen auf die Lebenserwartung oder die notwendige Behandlung von Patienten nicht homogen. Mit dem neuartigen Analyseverfahren lassen sich konkrete Subtypen beschreiben sowie deren Auswirkungen auf biologische Prozesse und auf klinische Parameter wie Lebenserwartung oder Behandlungserfolg ablesen. Diese Entwicklungen werden in naher Zukunft dabei helfen Patienten genauer zu diagnostizieren und ihnen die für sie optimale Behandlungsform zu empfehlen. Von besonderer Bedeutung für den praktischen Einsatz der Forschungsergebnisse ist der Ansatz, die entwickelten Technik als Open-Source Software der internationalen Community zur Verfügung zu stellen. Die Verfahren sind im Caleydo Visualisierungsframework integriert und werden weltweit eingesetzt. Die Website http://caleydo.org stellt nicht nur die Software zur Verfügung sondern präsentiert auch die Forschungsergebnisse in einer für Nutzer verständlichen Art, enthält umfangreiche Hilfestellung und wird durch zahlreiche eigens produzierte Videos illustriert.