Maschinelles Lernen zur Funktionsvorhersage für Proteine im großen Maßstab

• Antragsteller: Professor Dr. Joachim M. Buhmann
• Fachliche Zuordnung: Theoretische Informatik
• Förderung: Förderung von 2000 bis 2003
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 5250242

... In diesem Projekt soll mittels einer Weiterentwicklung und Anpassung von maschinellen Lernverfahren zunächst die Grundlage für eine umfassende Vorhersage von Proteinfunktionen gelegt werden. Hierbei sollen durch moderne Lernverfahren Erkenntnisse über einzelne Aspekte von Proteinstruktur oder -funktion systematisch kombiniert werden. Moderne Inferenzmethoden erlauben es, aus der Gesamtheit des vorhandenen Datenmaterials weitergehende Schlüsse zu ziehen, als es mit bisherigen, auf einzelne Aspekte fokussierten Methoden möglich ist. Der Informationsgewinn ist im hohen Maße relevant, z. B. für die pharmazeutische Industrie. Für diesen Ansatz sind Lernverfahren nötig, um aus den vorhandenen Daten die relevanten Strukturen zu extrahieren, die gerade die Funktionalität charakterisieren und somit eine Funktionsvorhersage ermöglichen. Fundiert sind die verfolgten Ansätze durch die Verwendung Bayesscher Entscheidungstheorie einerseits und statistischer Lerntheorie andererseits. ...

• DFG-Verfahren: Sachbeihilfen
• Beteiligte Person: Professor Dr.-Ing. Stefan Jähnichen