Projekty finansowane przez NCN


Dane kierownika projektu i jednostki realizującej

Szczegółowe informacje o projekcie i konkursie

Słowa kluczowe

Aparatura

Wyczyść formularz

gEMiLia - gEnomic Machine Learning. Algorytmy i metody uczenia maszynowego w środowiskach chmur obliczeniowych do odkrywania wiedzy biologicznej i medycznej ze zintegrowanych i precyzyjnych reprezentacji danych genomicznych.

2015/17/D/ST6/04063

Słowa kluczowe:

uczenie maszyn genomika transkryptomika obliczenia chmurowe bazy danych

Deskryptory:

  • ST6_13: Bioinformatyka, bioobliczenia, obliczenia DNA i molekularne
  • ST6_11: Uczenie maszynowe, statystyczne przetwarzanie danych i zastosowanie w przetwarzaniu sygnałów

Panel:

ST6 - Informatyka i technologie informacyjne: technologie i systemy informacyjne, informatyka, obliczenia naukowe, systemy inteligentne

Jednostka realizująca:

Politechnika Poznańska, Wydział Informatyki

woj. wielkopolskie

Inne projekty tej jednostki 

Kierownik projektu (z jednostki realizującej):

dr Anna Leśniewska 

Liczba wykonawców projektu: 3

Konkurs: SONATA 9 - ogłoszony 2015-03-16

Przyznana kwota: 182 500 PLN

Rozpoczęcie projektu: 2016-06-17

Zakończenie projektu: 2019-12-16

Planowany czas trwania projektu: 36 miesięcy (z wniosku)

Status projektu: Projekt rozliczony

Opis Projektu

Pobierz opis projektu w formacie .pdf

Uwaga - opisy projektów zostały sporządzone przez samych autorów wniosków i w niezmienionej formie umieszczone w systemie.

Zakupiona aparatura

  1. laptop. Za kwotę 5 500 PLN

Dane z raportu końcowego

  • Publikacje w czasopismach (2)
  • Teksty w publikacjach pokonferencyjnych (1)
  1. SeQuiLa: an elastic, fast and scalable SQL-oriented solution for processing and querying genomic intervals. IF: 5,5
    Autorzy:
    Marek Wiewiórka, Anna Leśniewska, Agnieszka Szmurło, Kacper Stępień, Mateusz Borowiak, Michał Okoniewski, Tomasz Gambin
    Czasopismo:
    Bioinformatics (rok: 2018, tom: -, strony: 2), Wydawca: OXFORD UNIVERSITY PRESS
    Status:
    Opublikowana
    Doi:
    10.1093/bioinformatics/bty940 - link do publikacji
  2. Genes sharing the protein family domain decrease the performance of classification with RNA-seq genomic signatures IF: 2,856
    Autorzy:
    Anna Leśniewska, Joanna Zyprych-Walczak, Alicja Szabelska-Beręsewicz and Michal J. Okoniewski
    Czasopismo:
    Biology Direct (rok: 2018, tom: 13, strony: 44570), Wydawca: BioMed Central
    Status:
    Opublikowana
    Doi:
    10.1186/s13062-018-0205-x - link do publikacji
  1. Analysis of CAMDA RNA-seq data with the knowledge of protein domains in genes
    Autorzy:
    Anna Leśniewska, Alicja Szabelska-Beręsewicz, Joanna Zyprych-Walczak, Michał Okoniewski
    Konferencja:
    16th Annual International Conference on Critical Assessment of Massive Data Analysis CAMDA2017 (rok: 2017, ), Wydawca: CAMDA 2017 Conference
    Data:
    konferencja 22-23.07.2017
    Status:
    Opublikowana