Hvad er bioinformatik?
Bioinformatik er et tværfagligt forskningsfelt indenfor biologien. Man anvender moderne informationsteknologiske metoder til at analysere komplekse biologiske data - især genomiske data.
Bioinformatik til kræftforskning
Den teknologiske udvikling har medvirket til, at vi i dag skal være i stand til at håndtere kæmpestore datasæt inden for mange områder. I kræftforskningen kan et enkelt eksperiment nu give ophav til millioner af datapunkter.
På MOMA udvikler vi bioinformatiske metoder. Det kan være nye statistiske metoder og nye computerprogrammer, der effektivt kan håndtere og analysere disse store datasæt fra kræftprøver og biologiske eksperimenter.
Vores forskning skal bidrage med ny viden om kræftudvikling og på sigt føre til bedre muligheder for diagnose, forudsigelse og behandling af sygdom.
Store datasæt
En stor del af vores forskning er baseret på analyser af allerede foreliggende data. Vi udvikler og kombinerer egne metoder med de eksisterende for at besvare nye spørgsmål.
MOMA arbejder sammen med flere andre kræftforskningsgrupper rundt om i verden. Ved at tage del i sådanne globale samarbejder, kan vi få adgang til store datasæt af høj kvalitet fra tusindvis af patienter.
Forandringsprocesserne i kræft
Forandringsprocessen i kræft er en kompliceret proces, hvor arvematerialet ændrer sig og påvirker cellens funktion. Med tiden kan sådanne forandringer (mutationer) i samspil med de omgivende celler og kroppens immunsystem give ophav til kræftceller.
Forandringer i arvematerialet kan opstå i alle kroppens celler, men langt de fleste bliver repareret igen. I kræftceller kan dele af reparationsmaskineriet være ude af drift og føre til et stigende antal forandringer. Påvirkning fra kemiske stoffer, som f.eks. tobaksrøg, kan også være med til at ændre på vores arvemateriale.
Alt efter, hvad det er, der forårsager forandringer i kræftceller, ser vi forskellige mønstre. Disse forandringsmønstre varierer typisk imellem kræfttyper, men også blandt patienter.
På MOMA forsøger vi at karakterise den generelle forandringsproces og beskrive denne matematisk. Vi vil gerne lære mere om, hvordan forandringsprocessen adskiller sig imellem patienter og samtidig finde nye årsager dertil.
Forudsigelse af sygdom
Ved analyse af store patientdatasæt forsøger vi også at udvikle statistiske metoder, der kan forbedre diagnostikken og forudsige sygdomsforløbet. Vi kombinerer data fra forskellige typer eksperimenter med kliniske målinger.
Vi håber, at vores viden om forandringer i arvematerialet og om generne er tændt eller slukket, kan være med til at give en bedre forståelse af, hvordan kræftcellerne fungerer. Dette er vigtigt med henblik på at forbedre de fremtidige behandlingsmuligheder.
Jakob Skou Pedersen
Følg med på Twitter