Machine Learning und Bayesianische Statistik

3/2022 – 6/2022

In diesem Kundenprojekt konnten wir komplexe biologische Zusammenhänge der anti-tumoralen Wirkung von Viren mittels statistischer Modelle abbilden.
Ähnliche Ansätze eignen sich auch in anderen Bereichen, z.B. immer dann, wenn aus einer großen Anzahl verschiedener Faktoren ein minimales Subset ausgewählt werden soll, das den Unterschied zwischen zwei Zuständen charakterisieren kann.

Biologie, Datenanalyse, Statistiken

8/2020 – 1/2022

Das Merkelzell Karzinom ist eine seltene und aggressive Form des Hautkrebs mit einer Mortalitätsrate von etwa 30%. Neue antikörperbasierte Therapien sind bei manchen Patienten sehr wirkungsvoll, bei anderen jedoch nicht. Da nur wenige und unvollständige Daten zu dem Zusammenhang zwischen Patienten- und Tumorcharakteristika und dem Therapieerfolg vorliegen, ist die Identifikation von Risikofaktoren besonders herausfordernd. Mit meinem Bayesianischen Ansatz konnte ich in diesem Kollaborationsprojekt teilweise fehlende Datenpunkte mit in die Analyse einfließen lassen und somit unter Berücksichtigung der Unsicherheit deutlich mehr aus den vorhandenen Daten lernen.

Biologie, Datenanalyse, Statistiken

11/2019 – 8/2022

In diesem Kollaborationsprojekt mit dem Virologen Prof. Hendrik Streeck ging es um die Charakterisierung von Immunparametern und Inflammation bei chronischer HIV-Infektion.
AFRICOS ist die derzeit größte Studie zur Immunaktivierung bei chronischer HIV-Infektion und misst verschiedene Immunparameter bei HIV-Infizierten aus verschiedenen Ländern und Regionen in Afrika.
Unsere Ergebnisse zeigen, dass die chronische Immunaktivierung bei einer HIV-1-Infektion von der Viruslast, dem Geschlecht, dem Alter, der Region und der Einnahme von anti-retroviralen Medikamenten beeinflusst wird.

Biologie, Datenanalyse, Maschinelles Lernen, Statistiken