Projektek

A projektben egy szimulációs modell által szolgáltatott termelési adatok valós időben történő elemézse a cél. A kutatás az EU H2020 EXCELL projekthez (https://www.excell-project.eu/) kapcsolódik.

A sztaki szótár a legrégebbi magyar interaktív webszolgáltatás, amely közel 22 éve szolgálja a szótárazni vágyókat. A szótár az MTA SZTAKI DSD hobbiprojektje, de folyamatosan nagy rendelkezésre állással üzemel. A rendelkezésre állást javíthatná, ha az erőforrásokat részben kiszolgáló SZTAKI felhő helyett az MTA felhőre térhetnénk át.

http://szotar.sztaki.hu

Kooplex (developed by us) is a collaborative data analytics platform which is built around the transparent shareable framework of the Jupyter ecosystem. It includes many components which are related to the topics of authentication and user database, project management, pipeline creation, data exploration, notebook versioning, shareable data analysis and collaborative forum.

We want to test it on the MTA Cloud platform and maybe in the long run use it as a portal for data intensive collaborative scientific projects.

A Wigner FK Részecske és magfizikai intézet Elméleti Osztályának projektje, első sorban numerikus számolásokhoz és Monte Carlo szimulációkhoz.

A projekt célja olyan hipotézisvizsgálati eljárások (függetlenségvizsgálat, illeszkedésvizsgálat, stb.) kidolgozása, melyek alkalmasak nagy elemszámú sokdimenziós nem normális eloszlású minták
vizsgálatára. A tesztek nagyszámú véletlen szimuláción alapulnak és összehasonlításuk is többszöri véletlenítést igényel.

A projekt folytatásának egyik célja a projekt során már kidolgozott (és az MTA CLOUD konferencián ismertetett) többdimenziós hipotézisvizsgálati eljárások tesztelése és összehasonlítása más eljárásokkal. A számításokat felhasználva publikációt készítünk elő.

A munka folytatásaként véletlen Young-táblák statisztikai vizsgálatát tervezzük végezni.

A tesztek nagyszámú véletlen szimuláción alapulnak és összehasonlításuk is többszöri véletlenítést igényel.

Közelekedési táblák klasszifikációja CNN segítségével.

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.

A munka folyamán daganatos genom és transzkriptom szekvenálási adatok feldolgozása a cél, elsősorban hematológiai daganatokból. Első lépésként kisebb mennyiség publikusan elérhető adatot elemzünk. Később tervezzük az elemzések kiterjesztését más daganatokra is, emellett szeretnénk a transzkripciós zajt befolyásoló mutációkat, genomi jellegzetességeket általánosan leírni. E pilot projekt során szeretnénk különböző bioinformatikai programcsomagok használhatóságát felmérni, és tesztelni, hogy a jövőben milyen típusú elemzéseket tudunk elvégezni a Semmelweis Egyetem I.sz.

Nagy léptékű tumor sejtvonal gyógyszerérzékenységi adatsorok vizsgálata, a gyógyszerérzékenység predikciója molekuláris adatokból (mutációk, génexpresszió) "machine learning" módszerek segítségével. A kidolgozott modellek értelmezése a tumor gyógyszerérzékenység jobb megértését, biomarkerek felismerését teheti lehetővé.