ПРОЕКТ №КП-06-Н37/24
Иновативна интегрирана платформа за интелигентно управление и анализ на потоци големи данни за биомедицински научни изследвания
Финансиран от: ФНИ към МОН, Конкурс за финансиране на фундаментални научни изследвания – 2019
Продължителност: 18.12.2019 – 18.12.2022
Натрупването и съхранението на огромни масиви данни се превръща в основен източник на знания. Новата парадигма за научни изследвания предполага нов начин за провеждане на експерименти и откриване на знания, при който данните се подлагат на анализ и се търсят скрити модели, значими корелации и причинно-следствени връзки чрез прилагане на интелигетнти методи за откриване на нови знания.
Проектът обхваща теоретични изследвания и експериментални дейности с цел създаване на интегрирана отворена технологична платформа за прилагане на интелигентни решения за управление и анализ на многомерни големи биомедицински данни, автоматизираща разработените от екипа иновативни и ефективни методи и алгоритми за анализ на големи биомедицински данни и прилагаща модели за тяхната визуализация.
Основната цел на платформата е да подпомогне извличането на знания и взимането на решения за нуждите на медицината и биологията, като предложи интегрирано решение за управление, съхранение, анализ и визуализация на големи масиви от разнородни данни и предостави лесна за използване инфраструктура за провеждане на научни изследвания и повишаване на ефективността. Характеристиките на платформата ще бъдат валидирани и демонстрирани чрез скалируема работна рамка с реконфигурация на ресурсите, като за целта ще се моделират различни научни работни потоци за няколко казуса: анализ на медицински изображения, анализ на ДНК и протеинови секвенции, анализ на антиялови репертоари посредсвом игомни библиотеки от мимотопи.
Новаторските решения на платформата определят специфичните цели на проекта:
1) Създаване на нови методи за анализ и пространствена визуализация на многомерни големи биомедицински данни, базирани на математическо моделиране и синтез на метаданни, с цел осигуряване на високо качество на анализ, намалена изчислителна сложност, интерактивна стереоскопична визуализация (виртуална реалност) на тримерни модели, получени от многомерни данни. В резултат се очаква да се повиши ефективността при анализ на данните, да се представи по-разбираемо и съответно по-лесно да се възприеме голямо количество информация, с която да се взаимодейства по естествен и интуитивен начин.
2) Създаване на метод и архитектура на виртуална схема за интегриране на големи биомедицински данни, насочена към съхраняването им в структуриран формат чрез дефиниран модел за структуриране на данни и автоматизиране на интегрирането.
3) Синтез на ефективни алгоритми за обработка на многомерни медицински изображения, включващи филтрация, контрастиране и повишаване на резкостта, които да позволяват по-точен автоматизиран анализ, както и диагностицирането от лекар. В резултат се очаква да се повиши качеството на визуалното представяне на многомерни медицински изображения.
4) Разработване на метод за топологичен анализ на големи биологични omics данни чрез изследване на кохомологии на пространства, свързани с конкретни релации като антитела и епитопи и валидиране чрез анализ на имуноглобулинови репертоари и протеинови епитопи (места на специфично свързване на имуноглобулини). В резултат се очаква по-задълбочено моделиране на структурата на имуноглобулиновия репертоар с имплицитен функционален контекст, изследване на релацията между пространството на разнообразните имуноглобулинови активни центрове и пространството на мимотопните пептиди като модел на действителните епитопи.
Проектът е интердисциплинарен, обединява експерти в областите компютърни науки, биоинформатика, изкуствен интелект, обработка на изображения, имунология, математическо моделиране и е насочен към глобален проблем от изключителна значимост – непрекъснатото увеличаване на обема на данните, което води до нарастваща необходимост от промяна на съществуващите технологии, методи, алгоритми и средства за откриване, съхранение, обработка и анализ на данни, откриване на знание и визуализация на резултатите.