Tutkimustuotoksia vuodessa
Tutkimustuotoksia vuodessa
Projektin yksityiskohdat
Tiivistelmä
Antibioottien löytäminen oli yksi 1900-luvun suurista menestystarinoista. Tarinan kääntöpuoli on ollut mikrobien lisääntyvä resistenssi antibiooteille. Antibioottiresistenssin (antimicrobial resistance, AMR) arvioidaan aiheuttavan valtavat taloudelliset ja kansanterveydelliset kustannukset seuraavien vuosikymmenten aikana, ellei AMR:n hallintaan löydetä parempia menetelmiä.
MAGITICS-projektin tavoitteena on kehittää ja soveltaa uusia koneoppimismenetelmiä AMR:n mallintamiseen nopeampien diagnoosien ja paremman seurannan aikaansaamiseksi sekä antibioottiresistenssin syntymisen ennustamiseksi. Projektin toteuttaa monikansallinen konsortio (Kanada, Kiina, Ranska, Suomi), jolla on komplementaariset osaamisalueet, mukaanlukien koneoppiminen, bioinformatiikka sekä antibiottiresistenssin asiantuntemus. Projektin tavoitteena on luoda viitekehys AMR:n hallintaan sisältäen viimeisimmät työkalut ja korkealaatuiset tietokannat hyödyntämään tutkimusyhteisöä sekä kansanterveysviranomaisia.
| Akronyymi | MAGITICS |
|---|---|
| Tila | Käynnissä |
| Todellinen alku/loppupvm | 01/01/2020 → 31/12/2023 |
Yhteistyöpartnerit
- Aalto-yliopisto (johto)
- Institute of Microbiology Chinese Academy of Sciences (Yhteishakija)
- Université Laval (Yhteishakija)
- Suomen Akatemia (Projektin osapuoli)
- National Center for Scientific Research
- University of Bordeaux
YK:n kestävän kehityksen tavoitteet
Vuonna 2015 YK:n jäsenvaltiot sopivat 17 maailmanlaajuisesta kestävän kehityksen tavoitteesta (Sustainable Development Goal, SDG) poistamaan köyhyyden, suojelemaan planeettaa ja takaamaan vaurauden kaikille. Tämä projekti edistää seuraavia kestävän kehityksen tavoitteita:
Sormenjälki
Tutustu tutkimuksen aiheisiin, joita tämä projekti koskee. Nämä merkinnät luodaan taustalla olevien stipendien/apurahojen perusteella. Yhdessä ne muodostavat ainutlaatuisen sormenjäljen.
-
Cross-view kernel transfer
Huusari, R., Capponi, C., Villoutreix, P. & Kadri, H., syysk. 2022, julkaisussa: Pattern Recognition. 129, s. 1-14 14 Sivumäärä, 108759.Tutkimustuotos: Lehtiartikkeli › Article › Scientific › vertaisarvioitu
Open accessTiedosto24 Lataukset (Pure) -
Joint structural annotation of small molecules using liquid chromatography retention order and tandem mass spectrometry data
Bach, E., Schymanski, E. L. & Rousu, J., jouluk. 2022, julkaisussa: Nature Machine Intelligence. 4, 12, s. 1224–1237 27 SivumääräTutkimustuotos: Lehtiartikkeli › Article › Scientific › vertaisarvioitu
Open accessTiedosto7 Sitaatiot (Scopus)18 Lataukset (Pure) -
Learning to Predict Graphs with Fused Gromov-Wasserstein Barycenters
Brogat-Motte, L., Flamary, R., Brouard, C., Rousu, J. & d'Alché-Buc, F., 2022, Proceedings of the 39th International Conference on Machine Learning, PMLR. JMLR, s. 2321-2335 (Proceedings of Machine Learning Research ; Vuosikerta 162).Tutkimustuotos: Artikkeli kirjassa/konferenssijulkaisussa › Conference contribution › Scientific › vertaisarvioitu
Open access
Tietoaineistot
-
Result files (ONLYSTEREO): "Joint structural annotation of small molecules using liquid chromatography retention order and tandem mass spectrometry data"
Bach, E. (Creator), Zenodo, 2022
DOI - pysyväislinkki: 10.5281/zenodo.6037628
Tietoaineisto: Dataset
-
LC-MS² meta data for each MassBank (MB) subset
Bach, E. (Creator), Zenodo, 2022
DOI - pysyväislinkki: 10.5281/zenodo.7056047, https://zenodo.org/record/7056047
Tietoaineisto: Dataset
-
Result files (ALLDATA): "Joint structural annotation of small molecules using liquid chromatography retention order and tandem mass spectrometry data with LC-MS²Struct"
Bach, E. (Creator), Zenodo, 2022
DOI - pysyväislinkki: 10.5281/zenodo.6036207
Tietoaineisto: Dataset