MAM disputationer och licentiatseminarier

Forskningsmiljö MAM ansvarar för och genomför framstående internationell forskarutbildning i forskarutbildningsämnet Matematik/tillämpad matematik vid Mälardalens högskolan. Årligen flera MAM forskarstuderande får doktorsgrad eller licentiatgrad i Matematik/tillämpad matematik.

Hrafn Holger Weishaupt försvarar sin doktorsavhandling i matematik/tillämpad matematik

Datum: 2019-03-08

Tid: 13.15 - 15.45

Plats: Gamma, MDH Västerås

Den 8 mars försvarar Hrafn Holger Weishaupt sin doktorsavhandling “Graph theory based approaches for gene prioritization in biological networks. Application to cancer gene detection in medulloblastoma”.

Titel: Graph theory based approaches for gene prioritization in biological networks. Application to cancer gene detection in medulloblastoma

Serienummer: 286

The faculty examiner is Professor Erik Bongcam-Rudloff, Swedish University of Agricultural Sciences, and the examining committee consists of Professor Christos Skiadas, Technical University of Crete; Docent Andriy Andreev, Stockholm University; Professor Dirk Repsilber, Örebro University.
Reserve; Senior Researcher George Fodor

Sammanfattning

Med hjälp av nätverk kan man modellera relationer mellan objekt på ett intuitivt och anpassningsbart sätt. När de översätts till matematiska grafer blir de mottagliga för en mängd matematiska operationer som möjliggör en detaljerad studie av underliggande datamönster. Därför är det inte överraskande att nätverk har utvecklats till den främsta metoden för dataanalys inom en mängd olika forskningsområden. Men med ökad problemkomplexitet blir tillämpningen av nätverksmodellering också mer utmanande och flera frågor uppkommer. Specifikt, beroende på den process som ska studeras, (i) vilka interaktioner är viktiga och hur kan de modelleras, (ii) hur kan relationer utläsas från komplexa och potentiellt bullriga data, och (iii) vilka metoder ska användas för att testa hypoteser eller svara på relevanta frågor? Denna avhandling undersöker koncept och utmaningar i nätverksanalys inom ramen för ett väldefinierat användningsområde, nämligen prediktion av cancergener från biologiska nätverk med applicering på medulloblastomforskning.

Medulloblastom är den vanligaste maligna hjärntumören hos barn. För närvarande överlever 70% av de behandlade patienterna, men med behandlingen följer ofta en permanent kognitiv funktionsnedsättning. Medulloblastom har tidigare visat sig ha minst fyra distinkta molekylära undergrupper. Vidare har studier av dessa undergrupper kraftigt utvecklat vår förståelse för vilka genetiska avvikelser som finns i tumörens celler. För att översätta denna förståelse till nya och förbättrade behandlingsalternativ krävs ytterligare insikter i hur de avvikande generna interagerar med resten av det cellulära systemet, hur en sådan interaktion kan driva tumörutveckling och hur resulterande tumörgenererande processer kan påverkas av olika läkemedel. Att bygga upp en sådan kunskapsbas kräver kartläggning av biologiska processer på systemnivå. En populär metod för studier av detta är matematisk nätverksanalys av molekylära interaktioner.

Denna avhandling behandlar tillämpningen av biologisk nätverksanalys för identifiering av cancergener i medulloblastom och cancer i allmänhet, där specifikt fokus läggs på så kallade genreglerande nätverk. Det är nätverk som modellerar relationer mellan gener med hänsyn till hur de uttrycks i cellen. Avhandlingen diskuterar hur man kan knyta an biologiska och matematiska nätverkskoncept, och mer specifikt behandlas beräkningsproblematiken vid härledandet av sådana nätverk från molekylära data. Matematiska metoder för analys av dessa nätverk skisseras och det undersöks hur sådana metoder kan påverkas av nätverksinferens. Vidare fokuseras på olika utmaningarna vid skapandet av ett dataset över genuttryck som lämpar sig för nätverksinferens i MB. Avhandlingen avslutas med en tillämpning av olika nätverksmetoder i en hypotesskapande studie för MB, där nya kandidatgener prioriterades.