Disputas: Ståle Nygård

Prøveforelesning

Bedømmelseskomité

Professor Yudi Pawitan, Department og Medical Epidemiology and Biostatistics, Karolinska Institutet, Stockholm, Sverige
Førsteamanuensis Trygve Almøy, Institutt for kjemi, bioteknologi og matvitenskap, Universitetet for miljø- og biovitenskap, Ås
Professor Inge Helland, Matematisk institutt, Universitetet i Oslo

Leder av disputas:  Kristian Ranestad

Veileder:  Ørnulf Borgan, Arnoldo Frigessi, Magne Aldrin

Sammendrag

I moderne naturvitenskapelig forskning brukes ofte store datasett med flere tusen variabler, gjerne målt over mange forskjellige tidspunkter. For å trekke sanne konklusjoner ut fra slike data, er riktig bruk av statistisk metodologi avgjørende. Tradisjonelle statistiske metoder er ikke laget for komplekse, høydimensjonale data. I seks vitenskapelige arbeider har Ståle Nygård sammen med forskningskolleger utviklet, anvendt og sammenlignet nye statistiske metoder for komplekse tids-avhengige data brukt i medisin og økologi.

De tre første arbeidene i avhandlingen omhandler metoder for å predikere overlevelse for kreftpasienter basert på mikromatriser. Mikromatriser måler aktiviteten til flere tusen gener samtidig. Forbedrede prediksjonsmetoder vil kunne gi mer riktig behandling av pasienter. Anvendelse på tre kjente datasett viser at én metode, ridge-regresjon, predikerer overlevelse bedre enn andre metoder. I det tredje arbeidet brukes mikromatriser sammen med tradisjonelle, kliniske prediktorer som tumortykkelse og lymfeknutespredning til å gi best mulig prediksjon av overlevelse.

I det fjerde arbeidet viser mikromatriseforsøk at kjemokinet fraktalkin har sterkt forhøyet aktivitetsnivå ved hjertesvikt. Påfølgende eksperimenter forteller at fraktalkin både påvirker og selv blir påvirket av gener med kjente, viktige roller i utvikling av hypertrofi i hjerte. I det femte arbeidet brukes mikromatristeknologi til å studere leversykdommen skleroserende kolangitt. Mange gener involvert i inflammasjon, vevs-remodellering og fibrose viser et aktivitetsnivå som øker i takt med graden av sykdom. Slike gener foreslås som markører for sykdomsaktivitet.

I det siste arbeidet utvikles en metode for å analysere data bestående av repeterte peilinger av radio-merka dyr sammen med gjenfunn av døde ring-merka dyr. Modellen brukes til å estimere overlevelse i en bestand med norske havørn.

Sammen viser de seks arbeidene på ulike måter hvordan nye statistiske metoder bidrar til økt forståelse av komplekse biologiske data.

Kontaktperson

For mer informasjon, kontakt Marie Wennesland.