Projektek

111 - 120 | 130 projekt
Projekt neve Intézmény Csökkenő rendezés Vezető
Újgenerációs szekvenálási (NGS) adatok feldolgozása Enzimológiai Intézet Fóthi Ábel

A projekt célja a felhő tesztelése NGS adatok, elsősorban kis RNS szekvenálási adatok tisztítására, elemzésére.

Adatintegrációs biomatemetikai modellezés Enzimológiai Intézet Dr. Pálhalmi János

Komputációs statisztikai modellezés transzkriptomikai, proteomikai és epigenomikai adatbázisok alapján.

Tumor Biomarkerek Keresése Enzimológiai Intézet Nagy Tibor

Nagy mennyiségű szekvenálási adat feldolgozása, hogy a diagnosztikában is használható markereket azonosítsunk. A markerek segítségével azt reméljük, hogy egyszerűbbé válik a daganatos betegségek felfedezése és hamarabb kezdhető meg a terápiás kezelés.

Szilícium-alapú elektródatömbökkel regisztrált agyi elektromos tevékenység vizsgálata Kognitív Idegtudományi és Pszichológiai Intézet Ulbert István/Fiáth Richárd

Nagy térbeli felbontású, sokkontaktusú szilícium-alapú elektródatömbökkel, altatott patkányból regisztrált agyi elektromos potenciálok feldolgozására és elemzésére szeretnénk felhasználni az MTA felhő erőforrásait. A milliós nagyságrendben detektált extracelluláris idegi akciós potenciálok szétválogatása nagy teljesítményigényű feladat (főként CPU- és memória-intenzív), hagyományos személyi számítógépekkel nem valósítható meg optimálisan.

Proof of concept - eegR in the cloud Kognitív Idegtudományi és Pszichológiai Intézet Tóth Dénes

A saját fejlesztésű, elektrofiziológiai adatok elemzésére, R nyelven írt eegR csomagot (https://github.com/tdeenes/eegR) a későbbiekben szeretném felhőből futtatható alkalmazássá fejleszteni. Első lépésként tesztelni szeretném az MTA Cloud-ban a különböző csomagok telepíthetőségét, használhatóságát, az elemzés skálázhatóságát, párhuzamosítási technikák hatékonyságát, stb.

Proteomikai BigData értékelése Szerves Kémiai Intézet Drahos László

Proteomika az élettudomány számos területén nélkülözhetetlen a biomarker azonosítástól a biokémiai folyamatok megértéséig. A Cloud erőforrásait az NKFIH 2018-1.2.1.-NKP-2018-00005, NKFIH (OTKA) K119459,  FK131603, PD121187,  PD 132135  pályázatok kvantitatív proteomikai számítási igényeinek kielégítésére fogjuk használni.

Dokkolóprogram tesztelése nagyteljesítményű számítógép-architektúrán Szerves Kémiai Intézet Bajusz Dávid

A projekt során a Schrödinger Glide dokkolóprogram hatékonyságát teszteljük az MTA Cloud nagyteljesítményű számítógép-architektúrán. A jelenleg is zajló COVID19 világjárvány kórokozója, a SARS-COV-2 vírus ellen egyelőre nincs széles körben elfogadott gyógyszer. Ligandum dokkolás segítségével a vírus molekuláris célpontjait hatékonyan gátló kismolekulák/gyógyszerjelöltek azonosításán dolgozunk.

Dimenzióredukció az emberi mozgás szabályozásában Részecske- és Magfizikai Intézet Dr. Laczkó József

Az emberi végtagmozgásokról gyűjtött, kísérletileg mért adathalmazokat elemzünk saját fejlesztésű, MATLAB és R nyelven írt programokkal. Sok ember, sokszor ismételt mozgásáról gyűjtött nagy adathalmazokat, sokdimenziós kinematikai és elektromiográfiai adatokat képezünk le alacsonyabb, 2D és 3D terekre, iterációs, dimenzióredukciós módszerekkel. Ezzel az emberi mozgás szabályozásának rejtett tulajdonságait és ember-gép kapcsolatokat vizsgálunk.

Mikrostruktúrás Gáztöltésű Detektorok Monte Carlo szimulációja Részecske- és Magfizikai Intézet Lucsányi Dávid

Az MTA "Lendület" Innovatív Detektorfejlesztő Kutatócsoport (REGARD) új típusú, gáztöltésű részecskedetektorok fejlesztésén dolgozik. A csoport részt vesz többek közt a CERN ALICE kísérlet TPC detektorának újjáépítésében, valamint az ESS-szel együttműködve neutron detektorok fejlesztésében is. A projekt célja elsősorban az újfajta mikrostruktúrás gáz-elektron sokszorozók (GEM) és sokszálas proporcionális kamrák (MWPC) optimalizációja és hatásfokuk növelése az elektronlavinák Monte Carlo szimulációi által.

Budapest ranking Részecske- és Magfizikai Intézet Telcs András

A kutatocsoport 2017 jul1-tol mukodik mint a tamogatott kutatocsoport . Feladata modszertan kidolgozasa regionalis egyetemi rangsorok
kialakitasahoz. Ezen belul nagy grafok elemzese, hagy matrixok biklaszterezse, genetikus algoritmusok futtatasahoz vennenk igenybe a
felhoszolgaltattasokat. Ezek kozott kiemelt helyen szerepelne a CERN-BME -Wigner egyuttmukodes kreteben fejlesztes alatt levo
NEO4G alapu grafvizualizacios eszkoz telepitese fejlesztese, amely nagy tarhely es memoria ill CPU igenyu grafmanipulaciokat hasznal.