TY  - GEN
A1  - Perscheid, Cindy
A1  - Faber, Lukas
A1  - Kraus, Milena
A1  - Arndt, Paul
A1  - Janke, Michael
A1  - Rehfeldt, Sebastian
A1  - Schubotz, Antje
A1  - Slosarek, Tamara
A1  - Uflacker, Matthias
T1  - A tissue-aware gene selection approach for analyzing multi-tissue gene expression data
T2  - 2018 IEEE International Conference on Bioinformatics and Biomedicine (BIBM)
N2  - High-throughput RNA sequencing (RNAseq) produces large data sets containing expression levels of thousands of genes. The analysis of RNAseq data leads to a better understanding of gene functions and interactions, which eventually helps to study diseases like cancer and develop effective treatments. Large-scale RNAseq expression studies on cancer comprise samples from multiple cancer types and aim to identify their distinct molecular characteristics. Analyzing samples from different cancer types implies analyzing samples from different tissue origin. Such multi-tissue RNAseq data sets require a meaningful analysis that accounts for the inherent tissue-related bias: The identified characteristics must not originate from the differences in tissue types, but from the actual differences in cancer types. However, current analysis procedures do not incorporate that aspect. As a result, we propose to integrate a tissue-awareness into the analysis of multi-tissue RNAseq data. We introduce an extension for gene selection that provides a tissue-wise context for every gene and can be flexibly combined with any existing gene selection approach. We suggest to expand conventional evaluation by additional metrics that are sensitive to the tissue-related bias. Evaluations show that especially low complexity gene selection approaches profit from introducing tissue-awareness.
KW  - RNAseq
KW  - gene selection
KW  - tissue-awareness
KW  - TCGA
KW  - GTEx
Y1  - 2018
SN  - 978-1-5386-5488-0
U6  - https://doi.org/10.1109/BIBM.2018.8621189
SN  - 2156-1125
SN  - 2156-1133
SP  - 2159
EP  - 2166
PB  - IEEE
CY  - New York
ER  - 
TY  - CHAP
A1  - Kurbel, Karl
A1  - Nowak, Dawid
A1  - Azodi, Amir
A1  - Jaeger, David
A1  - Meinel, Christoph
A1  - Cheng, Feng
A1  - Sapegin, Andrey
A1  - Gawron, Marian
A1  - Morelli, Frank
A1  - Stahl, Lukas
A1  - Kerl, Stefan
A1  - Janz, Mariska
A1  - Hadaya, Abdulmasih
A1  - Ivanov, Ivaylo
A1  - Wiese, Lena
A1  - Neves, Mariana
A1  - Schapranow, Matthieu-Patrick
A1  - Fähnrich, Cindy
A1  - Feinbube, Frank
A1  - Eberhardt, Felix
A1  - Hagen, Wieland
A1  - Plauth, Max
A1  - Herscheid, Lena
A1  - Polze, Andreas
A1  - Barkowsky, Matthias
A1  - Dinger, Henriette
A1  - Faber, Lukas
A1  - Montenegro, Felix
A1  - Czachórski, Tadeusz
A1  - Nycz, Monika
A1  - Nycz, Tomasz
A1  - Baader, Galina
A1  - Besner, Veronika
A1  - Hecht, Sonja
A1  - Schermann, Michael
A1  - Krcmar, Helmut
A1  - Wiradarma, Timur Pratama
A1  - Hentschel, Christian
A1  - Sack, Harald
A1  - Abramowicz, Witold
A1  - Sokolowska, Wioletta
A1  - Hossa, Tymoteusz
A1  - Opalka, Jakub
A1  - Fabisz, Karol
A1  - Kubaczyk, Mateusz
A1  - Cmil, Milena
A1  - Meng, Tianhui
A1  - Dadashnia, Sharam
A1  - Niesen, Tim
A1  - Fettke, Peter
A1  - Loos, Peter
A1  - Perscheid, Cindy
A1  - Schwarz, Christian
A1  - Schmidt, Christopher
A1  - Scholz, Matthias
A1  - Bock, Nikolai
A1  - Piller, Gunther
A1  - Böhm, Klaus
A1  - Norkus, Oliver
A1  - Clark, Brian
A1  - Friedrich, Björn
A1  - Izadpanah, Babak
A1  - Merkel, Florian
A1  - Schweer, Ilias
A1  - Zimak, Alexander
A1  - Sauer, Jürgen
A1  - Fabian, Benjamin
A1  - Tilch, Georg
A1  - Müller, David
A1  - Plöger, Sabrina
A1  - Friedrich, Christoph M.
A1  - Engels, Christoph
A1  - Amirkhanyan, Aragats
A1  - van der Walt, Estée
A1  - Eloff, J. H. P.
A1  - Scheuermann, Bernd
A1  - Weinknecht, Elisa
ED  - Meinel, Christoph
ED  - Polze, Andreas
ED  - Oswald, Gerhard
ED  - Strotmann, Rolf
ED  - Seibold, Ulrich
ED  - Schulzki, Bernhard
T1  - HPI Future SOC Lab
BT  - Proceedings 2015
N2  - Das Future SOC Lab am HPI ist eine Kooperation des Hasso-Plattner-Instituts mit verschiedenen Industriepartnern. Seine Aufgabe ist die Ermöglichung und Förderung des Austausches zwischen Forschungsgemeinschaft und Industrie.
Am Lab wird interessierten Wissenschaftlern eine Infrastruktur von neuester Hard- und Software kostenfrei für Forschungszwecke zur Verfügung gestellt. Dazu zählen teilweise noch nicht am Markt verfügbare Technologien, die im normalen Hochschulbereich in der Regel nicht zu finanzieren wären, bspw. Server mit bis zu 64 Cores und 2 TB Hauptspeicher. Diese Angebote richten sich insbesondere an Wissenschaftler in den Gebieten Informatik und Wirtschaftsinformatik. Einige der Schwerpunkte sind Cloud Computing, Parallelisierung und In-Memory Technologien. 
In diesem Technischen Bericht werden die Ergebnisse der Forschungsprojekte des Jahres 2015 vorgestellt.  Ausgewählte Projekte stellten ihre Ergebnisse am 15. April 2015 und 4. November 2015 im Rahmen der Future SOC Lab Tag Veranstaltungen vor.
KW  - Future SOC Lab
KW  - Forschungsprojekte
KW  - Multicore Architekturen
KW  - In-Memory Technologie
KW  - Cloud Computing
KW  - maschinelles Lernen
KW  - künstliche Intelligenz
Y1  - 2017
U6  - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:kobv:517-opus4-102516
ER  -