Statistiske vurderinger ved design og analyse av proteindata

Metodene for å forske på proteiner blir stadig bedre og man behandler stadig flere prøver og identifisere stadig flere proteiner. Dermed blir det enda viktigere å forsikre seg om at eksperimentene er designet på en god måte slik at analysen av dataene samt tolkningen av den biologiske konteksten blir korrekt. Denne avhandlingen handler om kunnskapen om proteinnettverk, søk etter de minste byggesteinene og nedbrytningsproduktene relatert til proteiner, samt hvordan man går fram for å splitte opp prøver i flere balanserte undergrupper.

Proteiner jobber vanligvis sammen i større grupper som del av biologiske prosesser. Informasjon om hvilke proteiner som samarbeider i hvilke prosesser er derfor veldig interessant og samlet i innholdsrike databaser. Vi har beskrevet hovedegenskapene til en av de mest brukte slike databaser, blant annet med et fokus på evolusjonen av innholdet. Disse funnene er sentrale for tolkning av framtidige eksperimentelle proteindata og bidrar med praktiske råd med tanke på tolkningen av den biologiske konteksten.

Proteinenes nedbrytningsprodukter og byggesteiner er interessante innen forskning på en rekke sykdommer, for eksempel innen nevrologiske lidelser. Vi har gjort det mulig å oppdage disse mindre enhetene i vanlige eksperimenter ved å utvide eksisterende framgangsmåter for proteinanalyse. Dette kan føre til både bedre forståelse og etter hvert potensielt nye biomarkører.

Biomediske eksperimenter inneholder ofte for mange prøver til at alle kan prosesseres samtidig. Prøvene må da deles opp i mindre grupper som hver for seg er små nok til å kunne prosesseres. Det er avgjørende at dette gjøres på en slik måte at forskningsspørsmålet kan besvares. Ved store og ubalanserte pasientgrupper med mange kliniske variabler blir dette fort utfordrende. Vi har derfor utviklet en algoritme som sikrer at hver gruppe blir så balansert som mulig. Dette gjør det lettere å designe mer effektive eksperimenter.

Personalia

Bram Burger fullførte sin mastergrad i statistikk fra Universiteit Hasselt i 2015. Doktorgradsarbeidet er utført ved Computational Biology Unit (CBU) ved Institutt for informatikk og Proteomikkenheten ved Universitetet i Bergen (PROBE) ved Institutt for biomedisin, begge ved Universitetet i Bergen. Hovedveileder er førsteamanuensis Dr. Harald Barsnes og biveiledere er forsker Dr. Marc Vaudel og professor Dr. Frode Steingrimsen Berven.