A Bioinformatika Tanszéken meghirdetett TDK témák


Téma címe: A terápiás válasz biomarkerei

Témavezető: Dr. Fekete János Tibor

Leírás: A prediktív biomarkerek a terápiás válasz előrejelzésére szolgálnak a kezelés megkezdése előtt. Célunk az, hogy génexpressziós adatokon alapuló elemzés segítségével újabb potenciális biomarker jelölteket azonosítsunk elsősorban onkológiai területen.

Téma jellege: bioinformatika

Kapcsolat: fekete.janos@med.semmelweis-univ.hu


Téma címe: Mutációk transzkriptomikus hatásának vizsgálata szolid tumorokban

Témavezető: Prof. Dr. Győrffy Balázs

Leírás: A mutációk génexpresszióra gyakorolt hatásának megértése a rosszindulatú daganatos betegségekben egy összetett feleadat. Egyes esetekben a mutációknak nincsen közvetlen hatása a daganatos betegek túlélésre, azonban a mutáció által befolyásolt génexpressziós változások számos daganattípus esetén jelentősen befolyásolják a betegek túlélését. Ezen génkifejeződési változások vizsgálatához teljes exom és RNS szekvenálási, valamint microarray adatokat használunk fel.

Téma jellege: programozás, bioinformatika

Kapcsolat: gyorffy.balazs@med.semmelweis-univ.hu


Téma címe: Az immunterápiás kezelések hatékonyságának vizsgálata melanomás betegekben genomikai és proteomikai eszközökkel

Témavezető: Dr. Bartha Áron, Kovács Szonja Anna

Leírás: A melanóma a leggyakrabban előforduló rosszindulatú daganat a bőrön. Az elérhető terápiás lehetőségek mennyisége és hatékonysága egyre növekszik, a kezelésekkel szembeni rezisztencia továbbra is komoly probléma. A távoli áttétes betegek túlélési esélyeit tekintve jól látható, hogy a jelenleg elterjedt terápiás lehetőségek tovább bővíthetőek és újragondolhatóak. A vizsgálat célja, hogy terápiás válaszban potenciálisan részt vevő és a túléléshez köthető genetikai faktorokat, biomarkereket felmérjük.

Téma jellege: betegkapcsolat (mintagyűjtés, adatgyűjtés) és/vagy bioniformatika

Kapcsolat: bartha.aron@med.semmelweis-univ.hu


Téma címe: Gyermekkorban előforduló idegrendszeri malignitások proteotranszkriptomikai elemzése.

Témavezető: Dr. Bartha Áron

Leírás: A gyermekkori hematoonkológiai betegségek közül jelenleg a neuroonkológiai eltérések rendelkeznek az egyik legrosszabb prognózissal. A kutatás célja, hogy transzkriptom és proteom szintű adatok integrált felhasználásával olyan új potenciális biomarkereket keressünk, amelyek segíthetik a mindennapi klinikai döntéshozatalokat.

Téma jellege: betegkapcsolat (mintagyűjtés, adatgyűjtés) és/vagy adatelemzés

Kapcsolat: bartha.aron@semmelweis.hu


Téma címe: Hordható bioszenzorok szerepe gyakori betegségek állapotkövetésében

Témavezető: Prof. Dr. Győrffy Balázs

Leírás: Kereskedelmi forgalomban kapható karórákba épített, a fotopletizmográfia elvén működő bioszenzorok regisztrátumainak korrelációját vizsgáljuk az adott paraméter vizsgálatára validált, standardnak minősülő diagnosztikai vizsgálatok eredményével. A nyert adatokat a hordható bioszenzorokon alapuló alkalmazások szív-érrendszeri és anyagcserebetegségek korai diagnosztikájában betöltött szerepének vizsgálatára, pontosságuk objektív meghatározására és növelésére irányuló kutatásban használjuk fel.

Téma jellege: Kapcsolattartás a vizsgálatban résztvevő betegekkel, partner klinikai ambulanciákon mintagyűjtés, adatgyűjtés elektronikus egészségügyi dokumentációból.

Kapcsolat: gyorffy.balazs@med.semmelweis-univ.hu


Téma címe: Kemoterápiás szerekkel szembeni rezisztenciamarkerek vizsgálata emlőrákos sejtvonalakon

Témavezető: Dr. Munkácsy Gyöngyi, Kovács Szonja Anna

Leírás: A rosszindulatú daganatok kezeléséhez használt terápiás szerekkel szembeni rezisztencia markerei bioinformatikai adatbázisokból kinyerhetők. A kiválasztott markereket sejtkultúrás modellen igazoljuk, miközben a hallgató elsajátítja az alapkutatásokhoz nélkülözhetetlen laboratóriumi módszereket.

Téma jellege: labormunka 

Kapcsolat: munkacsy.gyongyi@med.semmelweis-univ.hu;  kovacs.szonja@phd.semmelweis.hu


Téma címe: Klinikai kimenet és diagnózis modellezése sokdimenziós adatokon

Témavezető: Dr. Menyhárt Otília

Leírás: A klinikai vizsgálatok során gyűjtött hatalmas adatmennyiségből a megfelelő eszközökkel diagnózist valamint előrejelzést elősegítő információ nyerhető ki.  A TDK munka keretében a gépi tanulás eszközeivel a klinikai kimenet előrejelzésére alkalmas prediktív modellek kidolgozására fókuszálunk sokdimenziós adatokból kiindulva. Előny a bioinformatikai érdeklődés, R vagy Galaxy ismerete.

Téma jellege: bioinformatika

Kapcsolat: menyhart.otilia@med.semmelweis-univ.hu