Очакваните резултати, свързани с нови знания, са фокусирани върху интелигентите методи и средства за извличане на знания и вземане на решения на основата на анализ на потоци големи биомедицински данни за научни цели:
Интегрирана отворена технологична платформа, предоставяща интелигентни решения за управление, съхранение, анализ и визуализация на многомерни големи масиви от разнородни биомедицински данни, подпомагаща извличането на знания и вземането на решения чрез автоматизирани работни потоци.
Метод за интегриране и управление на множества от разнородни биомедицински данни от различни източници, които са големи по размер, брой и вариации, насочен към съхраняването им в структуриран формат и автоматизиране на анализа.
Метод за анализ на големи биологични данни на основата на математическо моделиране на биологичните функции и синтез на метаданни, който ще осигури високо качество на анализ и намалена изчислителна сложност.
Метод за интерактивна пространствена стереоскопична визуализация (виртуална реалност) на тримерни модели, получени от многомерни големи биомедицински данни, с цел 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.
Метод за топологичен анализ на големи биологични omics данни на основата на метода на персистиращите хомологии, като се разшири до изследване на кохомологии на пространства, отразяващи релации като тази между антитела и епитопи. Като резултат се постига извеждане на многомерната структура от нискомерна информация и “сглобяване” на глобална структура от локалната в околност на точки.
Скалируема работна рамка с реконфигурация на ресурсите, съставена от моделирани научни работни потоци, която ще осигури набор от софтуерни инструменти за изследователските и експериментални дейности за спектър от значими научни области.
Научни работни потоци за автоматизиране на изчислителния процес при провеждане на научни експерименти за няколко казуса: анализ на медицински изображения, анализ на ДНК и протеинови секвенции, анализ на антиялови репертоари посредсвом игомни библиотеки от мимотопи, интерактивна стереоскопична визуализация на тримерни модели, получени от многомерни биологични данни и медицински изображения.
Синтезирани алгоритми за обработка на многомерни медицински изображения: ефективно потискане на типичните за масово използвани видове сензори шумове в многомерни медицински изображения; осезаемо за специалистите по образна диагностика повишаване на контраста на многомерните медицински изображения, използвани за поставянето на диагнози; отчетливо повишаване на детайлността в областите на интерес от многомерни медицински изображения.
Синтезирани алгоритми за съответствие между характеристиките в данните и тяхната визуализация и за адаптивно филтриране и настройка в “реално време” на интерактивна пространствена визуализация.
Съвременна лесна за използване научноиследователска е-инфраструктура за провеждане на научни изследвания и повишаване на ефективността, която ще позволи постигането на значими научни резултати чрез комбиниране на изчисления за интегриране, съхранение, управление, извличане и анализ на биомедицински данни.
Системна биология: Задълбочено моделиране и анализ на структурата на имуноглобулиновия репертоар с имплицитен функционален контекст, изследване на релацията между пространството на изключително разнообразните имуноглобулинови активни центрове (паратопи) и пространството на мимотопните пептиди като модел на действителните епитопи и биологична интерпретация на получените топологични инварианти.
Медицина: Синтезираните алгоритми за анализ на медицински изображения се основават на новооткрити знания за характера и количествените параметри на налични шумовев медицинските изображения, типичната им резкост и детайлност при различни режими на заснемане – средни стойности, дисперсии, закон на вероятностно разпределение на нивата им в различни области, спектрален състав и други, както и с откриването на последователност от обработки (в пространствена и честотна област), които да повишат качеството на визуално представяне.
Медицина: Разработване на нови диагностични методи при автоимунни, възпалителни и туморни заболявания основани на анализ на антитяловия репертоар с помощта на рационално подбрани пептидни масиви.