Hidden Markov models for the analysis of next-generation-sequencing data
| Promotie: | Dhr. A.S. (Aaron) Taudt |
| Wanneer: | 15 oktober 2018 |
| Aanvang: | 16:15 |
| Promotor: | prof. dr. G. de Haan |
| Copromotor: | dr. M. Colomé Tatché |
| Waar: | Academiegebouw RUG |
| Faculteit: | Medische Wetenschappen / UMCG |
Nieuwe analysesoftware vergemakkelijkt DNA-analyse
Aaron Taudt ontwikkelde drie softwarepakketten die kunnen helpen om vragen te beantwoorden over de ziekte van Alzheimer, veranderingen in het DNA bij kanker, epigenetische veranderingen bij de vorming van eicellen en methylatie in planten. De ontwikkeling hiervan beschrijft hij in zijn proefschrift.
In de hedendaagse biologie gebruiken onderzoekers steeds meer grote hoeveelheden data. Dankzij nieuwe technieken kunnen we steeds meer data produceren. Een voorbeeld van zo’n techniek is Next Generation Sequencing (NGS), waarmee de DNA-code van organismen bestudeerd kan worden. Deze code is heel lang; bij een mens kun je met die code 130 boeken vullen. Dus zijn er computers nodig om deze code te begrijpen en te analyseren.
Taudt schreef verschillende algoritmen om deze data te analyseren. Een daarvan helpt om het aantal kopieerfouten in chromosomen te bepalen. Deze kopieerfouten veroorzaken neurologische stoornissen en ontwikkelingsstoornissen, bijvoorbeeld in Alzheimer en kanker. Een ander algoritme gaat over epigenetische wijzigingen van het DNA (stoffen op het DNA die het DNA beïnvloeden). Analyse van deze epigenetische factoren geven informatie over de specialisatie van stamcellen tot verschillende celtypen en de invloed van genactivatie door de omgeving.
Aaron Taudt (1987) studeerde biologie en natuurkunde aan de universiteit Stuttgard in Duitsland. Zijn onderzoek voerde hij uit bij de afdeling Verouderingsbiologie van het UMCG. Taudt is nu werkzaam als Data Scientist bij QuantIP in München, Duitsland. De titel van zijn proefschrift luidt Hidden Markov models for the analysis of next-generation-sequencing data.