Harri Lähdesmäki

Näytä Scopus-profiili

Aalto SCI Computer Science Konemiehentie 2

Tutkimustuotoksia vuodessa

Tutkimusalue

I work on computational biology and probabilistic machine learning with applications in biomedicine.

Keywords

Bioinformatics
Computational systems biology
Machine learning
Probabilistic modelling
Data mining

Asiantuntemus YK:n kestävän kehityksen tavoitteista

Vuonna 2015 YK:n jäsenvaltiot sopivat 17 maailmanlaajuisesta kestävän kehityksen tavoitteesta köyhyyden poistamiseksi, planeetan suojelemiseksi ja vaurauden takaamiseksi kaikille. Tämän henkilön työ edistää seuraavia kestävän kehityksen tavoitteita:

SDG 3 – Hyvä terveys ja hyvinvointi
SDG 14 – Vedenalainen elämä

Sormenjälki

Sukella tutkimusaiheisiin, joissa Harri Lähdesmäki on aktiivinen. Nämä aihemerkinnät ovat peräisin tämän henkilön teoksista. Yhdessä ne muodostavat ainutlaatuisen sormenjäljen.

1 Samanlaiset profiilit

114 Article
37 Conference article in proceedings
7 Kokousabstrakti
7 Working paper
Lisää

Anti-TIM3 with hypomethylating agent revives NK and cytotoxic CD4+T cell activity in patients with AML or MDS
Forsten, S., Ford, B., Smolander, J., Bruck, O. E., Lundgren, S., Kreutzman, A., Dufva, O., Kankainen, M., Ilander, M., Lahteenmaki, H., Kasanen, T., Klievink, J., Leitner, J., Steinberger, P., Kontro, M., Lähdesmäki, H., Sabatos-Peyton, C., Rinne, M., Porkka, K. & Peltonen, K. & 2 muuta, Huuhtanen, J. & Mustjoki, S., 3 marrask. 2025, julkaisussa: Blood. 146, s. 1704-1705 2 Sivumäärä
Tutkimustuotos: Lehtiartikkeli › Kokousabstrakti › Scientific › vertaisarvioitu
Bayesian Basis Function Approximation for Scalable Gaussian Process Priors in Deep Generative Models
Balik, M. Y., Sinelnikov, M., Ong, P. & Lähdesmäki, H., 2025, Proceedings of the 42nd International Conference on Machine Learning. JMLR, s. 2673-2696 24 Sivumäärä (Proceedings of Machine Learning Research; Vuosikerta 267).
Tutkimustuotos: Artikkeli kirjassa/konferenssijulkaisussa › Conference article in proceedings › Scientific › vertaisarvioitu

Open access
Tiedosto
11 Lataukset (Pure)
E(3)-equivariant models cannot learn chirality: Field-based molecular generation
Dumitrescu, A., Korpela, D., Heinonen, M., Verma, Y., Iakovlev, V., Garg, V. & Lähdesmäki, H., 2025, 13th International Conference on Learning Representations, ICLR 2025. Curran Associates Inc., s. 59765-59799 35 Sivumäärä
Tutkimustuotos: Artikkeli kirjassa/konferenssijulkaisussa › Conference article in proceedings › Scientific › vertaisarvioitu

Open access
Tiedosto
1 Sitaatiot (Scopus)

36 Lataukset (Pure)
High-Dimensional Bayesian Optimisation with Gaussian Process Prior Variational Autoencoders
Ramchandran, S., Haussmann, M. & Lähdesmäki, H., 2025, 13th International Conference on Learning Representations, ICLR 2025. Curran Associates Inc., s. 77982-78008 27 Sivumäärä
Tutkimustuotos: Artikkeli kirjassa/konferenssijulkaisussa › Conference article in proceedings › Scientific › vertaisarvioitu

Open access
Tiedosto
1 Sitaatiot (Scopus)

8 Lataukset (Pure)
Incorporating hierarchical information into multiple instance learning for patient phenotype prediction with single-cell RNA-sequencing data
Do, C. & Lähdesmäki, H., 1 heinäk. 2025, julkaisussa: Bioinformatics. 41, Supplement 1, s. i96-i104
Tutkimustuotos: Lehtiartikkeli › Article › Scientific › vertaisarvioitu

Open access
Tiedosto
2 Sitaatiot (Scopus)

33 Lataukset (Pure)

3 Aktiivinen
14 Päättynyt

SC-prediction-Juselius/Lähdesmäki/T31344: Deep learning methods for quantitative patient phenotyping and response prediction using single-cell data
Ghane, M. (Projektin jäsen), Närhi, T. (Projektin jäsen) & Lähdesmäki, H. (Vastuullinen johtaja)
01/05/2025 → 30/04/2028
Projekti: Unknown
AI assisted Health Lähdesmäki: Trustworthy AI-assisted phenotyping, prediction and treatment design using large-scale health data
Lähdesmäki, H. (Vastuullinen johtaja), Ong, P. (Projektin jäsen), Balik, M. (Projektin jäsen), Latukka, J. (Projektin jäsen), Ögretir, M. (Projektin jäsen), Dumitrescu, A. (Projektin jäsen), Hartikainen, A. (Projektin jäsen) & Ghane, M. (Projektin jäsen)
01/01/2024 → 31/12/2026
Projekti: RCF Academy Project targeted call
-: Suomen tekoälykeskus
Lähdesmäki, H. (Vastuullinen johtaja)
01/01/2023 → 31/12/2026
Projekti: Academy of Finland: Other research funding
SC treatment prediction/Lähdesmäki/T31344: Deep learning methods for predicting cancer immunotherapy treatment response using single-cell RNA sequencing data
Lähdesmäki, H. (Vastuullinen johtaja) & Do, C. (Projektin jäsen)
01/01/2025 → 31/12/2025
Projekti: Other Domestic (10 AC)
TCR-neoantigen/ Lähdesmäki: Artificial intelligence methods for predicting interactions between cancer-associated (neo)antigens and T cell receptors
Lähdesmäki, H. (Vastuullinen johtaja), Korpela, D. (Projektin jäsen) & Dumitrescu, A. (Projektin jäsen)
01/01/2024 → 31/12/2024
Projekti: Other Domestic (10 AC)

A probabilistic generative model for quantification of DNA modifications enables analysis of demethylation pathways
Äijö, T. (Creator), Huang, Y.-H. (Contributor), Mannerström, H. (Creator), Chavez, L. (Contributor), Tsagaratou, A. (Contributor), Rao, A. (Contributor) & Lähdesmäki, H. (Creator), figshare, 1 tammik. 2016
DOI - pysyväislinkki: 10.6084/m9.figshare.c.3604346.v1, https://figshare.com/collections/A_probabilistic_generative_model_for_quantification_of_DNA_modifications_enables_analysis_of_demethylation_pathways/3604346/1
Tietoaineisto: Dataset
Analyzing Th17 cell differentiation dynamics using a novel integrative modeling framework for time-course RNA sequencing data
Intosalmi, J. (Contributor), Ahlfors, H. (Contributor), Rautio, S. (Contributor), Mannerström, H. (Creator), Chen, Z. (Contributor), Lahesmaa, R. (Contributor), Stockinger, B. (Contributor) & Lähdesmäki, H. (Contributor), figshare, 1 tammik. 2015
DOI - pysyväislinkki: 10.6084/m9.figshare.c.3612158.v1, https://figshare.com/collections/Analyzing_Th17_cell_differentiation_dynamics_using_a_novel_integrative_modeling_framework_for_time-course_RNA_sequencing_data/3612158/1
Tietoaineisto: Dataset
Permutation-based significance analysis reduces the type 1 error rate in bisulfite sequencing data analysis of human umbilical cord blood samples
Laajala, E. (Creator), Halla-aho, V. (Creator), Grönroos, T. (Creator), Kalim, U. U. (Creator), Vähä-Mäkilä, M. (Creator), Nurmio, M. (Creator), Kallionpää, H. (Creator), Lietzén, N. (Creator), Mykkänen, J. (Creator), Rasool, O. (Creator), Toppari, J. (Creator), University, M. (Creator), Knip, M. (Creator), Lund, R. (Creator), Lahesmaa, R. (Creator) & Lähdesmäki, H. (Creator), figshare, 5 maalisk. 2022
DOI - pysyväislinkki: 10.6084/m9.figshare.19311109.v2, https://tandf.figshare.com/articles/dataset/Permutation-based_significance_analysis_reduces_the_type_1_error_rate_in_bisulfite_sequencing_data_analysis_of_human_umbilical_cord_blood_samples/19311109/1
Tietoaineisto: Dataset
Modeling binding specificities of transcription factor pairs with random forests
Antikainen, A. A. (Creator), Heinonen, M. (Creator) & Lähdesmäki, H. (Creator), figshare, 6 kesäk. 2022
DOI - pysyväislinkki: 10.6084/m9.figshare.c.6031779.v1, https://springernature.figshare.com/collections/Modeling_binding_specificities_of_transcription_factor_pairs_with_random_forests/6031779/1 ja vielä 2 linkkiä, https://doi.org/10.6084/m9.figshare.20003418.v1, https://doi.org/10.6084/m9.figshare.20003421.v1 (näytä vähemmän)
Tietoaineisto: Dataset
LuxHMM: DNA methylation analysis with genome segmentation via hidden Markov model
Malonzo, M. H. (Creator) & Lähdesmäki, H. (Creator), figshare, 13 huhtik. 2023
DOI - pysyväislinkki: 10.6084/m9.figshare.c.6584741, https://springernature.figshare.com/collections/LuxHMM_DNA_methylation_analysis_with_genome_segmentation_via_hidden_Markov_model/6584741
Tietoaineisto: Dataset

Elias Tillandz prize 2012 for article
Lähdesmäki, H. (Recipient), 2012
Palkinto: Palkinto tai huomionosoitus tuotoksesta
Elias Tillandz prize 2013 for article
Lähdesmäki, H. (Recipient), 2013
Palkinto: Palkinto tai huomionosoitus tuotoksesta
IARIA Best Paper Award for our paper
Lähdesmäki, H. (Recipient), 2008
Palkinto: Palkinto tai huomionosoitus tuotoksesta
Tampere Science Foundation award for the best doctoral thesis
Lähdesmäki, H. (Recipient), 2005
Palkinto: Palkinto tai huomionosoitus tuotoksesta
The Þrst position in the 5th Dialogue for Reverse Engineering Assessments and Methods (DREAM), Transcription-Factor/DNA-Motif Recognition Challenge, 2010, presented in New York, NY, USA, November 16, 2010 The DREAM Project - Dream initiative, USA
Lähdesmäki, H. (Recipient), 16 marrask. 2010
Palkinto: Palkinto tai huomionosoitus tuotoksesta

4 Konferenssin tai seminaarin järjestelytoimikunnan jäsenyys
4 Vierailu ulkomaiseen yliopistoon
2 Dosentuurin hakijan arviointitehtävä
2 Nimitetty asiantuntija- tai luottamustehtävä akateemisessa yhteisössä
Lisää

Faster Bayesian inference in Joint Species Distribution Models
Tikhonov, G. (Puhuja), Vanhatalo, J. (Kontribuuttori), Ovaskainen, O. (Kontribuuttori) & Lähdesmäki, H. (Kontribuuttori)
22 kesäk. 2020 → 26 kesäk. 2020
Aktiviteetti: Konferenssiesitelmä
Foreign Organisation
Lähdesmäki, H. (Visiting researcher)
18 toukok. 2016
Aktiviteetti: Vierailu ulkomaiseen yliopistoon
Perustieteiden korkeakoulu (Yksikkö)
Lähdesmäki, H. (Jäsen)
maalisk. 2016 → tammik. 2017
Aktiviteetti: Nimitetty asiantuntija- tai luottamustehtävä akateemisessa yhteisössä
Evaluator of a docent application, at University of Helsinki
Lähdesmäki, H. (Tarkastaja)
2016
Aktiviteetti: Dosentuurin hakijan arviointitehtävä
INTERNATIONAL WORKSHOP ON MACHINE LEARNING IN SYSTEMS BIOLOGY
Lähdesmäki, H. (Member)
3 syysk. 2016 → 4 syysk. 2016
Aktiviteetti: Konferenssin tai seminaarin järjestelytoimikunnan jäsenyys

Research Findings from Aalto University Update Understanding of Machine Learning (EPIC-TRACE: predicting TCR binding to unseen epitopes using attention and contextualized embeddings)
Lähdesmäki, H.
27/12/2023
1 kohde/ Medianäkyvyys
Lehdistö/media: Esiintyminen mediassa
University of Turku and Abo Akademi University Researchers Target Type 1 Diabetes (Serum APOC1 levels are decreased in young autoantibody positive children who rapidly progress to type 1 diabetes)
Lähdesmäki, H.
10/10/2023
1 kohde/ Medianäkyvyys
Lehdistö/media: Esiintyminen mediassa
Research Data from University of Turku and Abo Akademi University Update Understanding of Data Analytics (Permutation-based significance analysis reduces the type 1 error rate in bisulphite sequencing data analysis of human umbilical cord blood ...)
Lähdesmäki, H.
05/10/2023
1 kohde/ Medianäkyvyys
Lehdistö/media: Esiintyminen mediassa
Aalto University: Scientists Unravel The Effects Of New Medication For Advanced Melanoma With The Help Of AI
Lähdesmäki, H.
03/03/2023
1 kohde/ Medianäkyvyys
Lehdistö/media: Esiintyminen mediassa
Scientists unravel the effects of new medication for advanced melanoma with the help of AI
Lähdesmäki, H.
02/03/2023
2 kohdetta/ Medianäkyvyys
Lehdistö/media: Esiintyminen mediassa

Harri Lähdesmäki

Henkilökohtainen profiili

Tutkimusalue

Keywords

Asiantuntemus YK:n kestävän kehityksen tavoitteista

Sormenjälki

Yhteistyöt ja huippututkimusalueet viimeisiltä viideltä vuodelta

Sukella yksityiskohtiin

Anti-TIM3 with hypomethylating agent revives NK and cytotoxic CD4+T cell activity in patients with AML or MDS

Bayesian Basis Function Approximation for Scalable Gaussian Process Priors in Deep Generative Models

E(3)-equivariant models cannot learn chirality: Field-based molecular generation

High-Dimensional Bayesian Optimisation with Gaussian Process Prior Variational Autoencoders

Incorporating hierarchical information into multiple instance learning for patient phenotype prediction with single-cell RNA-sequencing data

SC-prediction-Juselius/Lähdesmäki/T31344: Deep learning methods for quantitative patient phenotyping and response prediction using single-cell data

AI assisted Health Lähdesmäki: Trustworthy AI-assisted phenotyping, prediction and treatment design using large-scale health data

-: Suomen tekoälykeskus

SC treatment prediction/Lähdesmäki/T31344: Deep learning methods for predicting cancer immunotherapy treatment response using single-cell RNA sequencing data

TCR-neoantigen/ Lähdesmäki: Artificial intelligence methods for predicting interactions between cancer-associated (neo)antigens and T cell receptors

A probabilistic generative model for quantification of DNA modifications enables analysis of demethylation pathways

Analyzing Th17 cell differentiation dynamics using a novel integrative modeling framework for time-course RNA sequencing data

Permutation-based significance analysis reduces the type 1 error rate in bisulfite sequencing data analysis of human umbilical cord blood samples

Modeling binding specificities of transcription factor pairs with random forests

LuxHMM: DNA methylation analysis with genome segmentation via hidden Markov model

Elias Tillandz prize 2012 for article

Elias Tillandz prize 2013 for article

IARIA Best Paper Award for our paper

Tampere Science Foundation award for the best doctoral thesis

The Þrst position in the 5th Dialogue for Reverse Engineering Assessments and Methods (DREAM), Transcription-Factor/DNA-Motif Recognition Challenge, 2010, presented in New York, NY, USA, November 16, 2010 The DREAM Project - Dream initiative, USA

Faster Bayesian inference in Joint Species Distribution Models

Foreign Organisation

Perustieteiden korkeakoulu (Yksikkö)

Evaluator of a docent application, at University of Helsinki

INTERNATIONAL WORKSHOP ON MACHINE LEARNING IN SYSTEMS BIOLOGY

Research Findings from Aalto University Update Understanding of Machine Learning (EPIC-TRACE: predicting TCR binding to unseen epitopes using attention and contextualized embeddings)

University of Turku and Abo Akademi University Researchers Target Type 1 Diabetes (Serum APOC1 levels are decreased in young autoantibody positive children who rapidly progress to type 1 diabetes)

Research Data from University of Turku and Abo Akademi University Update Understanding of Data Analytics (Permutation-based significance analysis reduces the type 1 error rate in bisulphite sequencing data analysis of human umbilical cord blood ...)

Aalto University: Scientists Unravel The Effects Of New Medication For Advanced Melanoma With The Help Of AI

Scientists unravel the effects of new medication for advanced melanoma with the help of AI

Harri Lähdesmäki

Henkilökohtainen profiili

Tutkimusalue

Keywords

Asiantuntemus YK:n kestävän kehityksen tavoitteista

Sormenjälki

Yhteistyöt ja huippututkimusalueet viimeisiltä viideltä vuodelta

Tutkimustuotos

Projektit

Tietoaineistot

Palkinnot

Aktiviteetit

Lehtileikkeet