Disputas: Tonje Gulbrandsen Lien

M. Sc. Tonje Gulbrandsen Lien ved Matematisk institutt vil forsvare sin avhandling for graden ph.d.:

Statistical Methods for Epigenomic Data: Studying the Importance of 3D Chromatin Structure and DNA-Methylation

 

Tonje Gulbrandsen Lien

Tid og sted for prøveforelesning

02. november 2015 kl. 10.15,  Møterommet "Abels utsikt", 12. etasje, Niels Henrik Abels hus

Bedømmelseskomité

  • Associate Professor Thomas Alexander Gerds, University of Copenhagen
  • Associate Professor Manuela Zucknick, Universitetet i Oslo
  • Professor Sven Ove Samuelsen, Universitetet i Oslo

Leder av disputas

Instituttleder Arne Huseby, Matematisk institutt, Universitet i Oslo

Veiledere

Sammendrag

I det siste tiåret er det forsket mye på gener og deres aktivitetsnivåer, og nå har fokuset blitt mer og mer rettet mot hvilke faktorer som påvirker genaktiviteten. Vi har analysert to fenomener som kan hjelpe oss å skjønne hvorfor noen gener er skrudd på og andre av.

Det første fenomenet er hvordan arvestoffet vårt (DNA) er pakket sammen inne i cellene. Flere ting tyder på at måten det er pakket sammen på ikke er tilfeldig. Noen gener kan nemlig befinne seg i åpne områder og er da mer tilgjengelige for å bli skrudd på, mens andre gener som er skrudd av er i området av DNAet som er svært utilgjengelig og tett pakket sammen. Vi har utviklet en hypotesetest spesielt tilpasset denne type analyser, som nå ligger tilgjengelig ute på nettet og er tatt i bruk også internasjonalt.

Det andre fenomenet vi har sett på er det lille CH3 (metyl) molekylet som kan påvirke om et gen blir skrudd av eller på. Avansert teknologi kan fastsette i hvor stor grad disse molekylene er festet til forskjellige steder langs hele DNAet. Vi har sett på regresjonsmetoder for å sammenligne mengden av disse molekylene opp mot et utfall, for eksempel om en pasient er syk eller ikke. Vi har rundt 100 pasienter, og undersøker over 100 000 metyleringer per pasient. Det vil si at vi har flere variabler enn observasjoner, noe som er en stor statistisk utfordring. Dette er et uløselig problem for enkle standard metoder. Men det finnes mer avanserte metoder som eliminerer de statistisk minst viktige variablene fra modellen, slik at en sitter igjen med variablene med størst betydning. Vi har bygget videre på denne måten å tenke på. Ofte har man erfaring fra tidligere forskning på hvilke variabler vi tror er minst og mest viktige, altså en ekstern kunnskap om en trolig rangering av variablene. Derfor har vi utviklet nye metoder som ser på hvordan denne eksterne spisskompetansen kan bli inkludert i modellen. Denne metoden er også tilgjengelig ute på nett. 

For mer informasjon

Kontakt Matematisk institutt.

Publisert 19. okt. 2015 19:12 - Sist endret 19. okt. 2015 19:17