Megoldások

Fúziós génprioritizálás

Egy omikai kísérlet tervezésénél vagy akár az eredmények értelmezésénél is a legnagyobb kihívás a heterogén információk integrálása. Praktikus egyszerűsítés, ha a tervezés vagy értelmezés több lépéses vagy ciklikus voltát figyelmen kívül hagyjuk, nem törekszünk a következmények formális, kvantitatív, várható hasznosság alapú jellemzéséhez, és csupán egy sorrendi listáját (pl.egy adott problémával vagy fenotípussal való kapcsolat erőssége szerinti priorizálását) várjuk egy kitüntetett szint entitásainak, például a géneknek.

Heterogén információforrások integrálására egy génsorrend meghatározásához módszerek egész spektruma jött létre, amelyek azonban kettéoszthatóak egy numerikus és egy szemantikus osztályba. A numerikus osztályba az adatfúzió, a statisztikák fúziója (pl. kernel alapú fúzió), vagy az eredmények fúziója (pl. sorrendi fúzió) tartozik. A szemantikai fúzió legegyszerűbb formája a relációs adatbázisok integrációja, egy felhasználó orientált verziója a természetes nyelvű információ kivonatolás és akár lekérdezés is.

A numerikus fúziós módszerek legfőbb problémája a kontextualitás, feltételek kezelése, míg a szemantikus fúziós módszerek fő hiányossága bizonytalan információk befogadása és a felhasználói lekérdezések minőségétől való függés. Az Abiomics által fejlesztett bayesi adatelemzések eredményeit befogadó valószínűségi adatbázisok és valószínűségi tudásbázisok ezeket a hiányosságokat orvosolják. Ennek a megoldásnak egy lényegi része egy többszintű tudásbázis, amely szakirodalomból kivonatolt tudáselemeket; szabadszöveges és kontrolláltszavas szakértői leírásokat; formális, logikai szakértői tudásmodelleket; és végül az adatelemzések valószínűségi kimeneteleit tartalmazzák. Ezzel valójában megvalósul a mérési eredmények és adatok, valamint a szakértői háttértudás és a szakcikkek együttes gépi elemzése és értelmezése.