Gerichtete Graphen zur Modellierung von Gen-Gen- und Gen-Umwelt-Interaktionen in Studien der genetischen Epidemiologie

在遗传和流行病学研究中，研究人员采用了不同的方法来研究遗传和流行病学之间的相互作用。神经网络模型与神经网络研究进展。研究背景：Bei der Erforschung der Ätiologie von Erkrankungen spielen im zunehmenden Maße individuelle genetische Faktoren eine grone ße Rolle。Der <s:1> berwiegende Anteil Der in Der Bevölkerung related Krankheiten, wie Herz-Kreislauf-Erkrankungen，精神病学家Erkrankungen und Krebs， ist den komplexen Erkrankungen zuzurechnen, die somit f<e:1> r die öffentliche Gesundheit von aur - erordentlichem Interesse sind。复合体Erkrankungen [j] . nature nach multifaktorell, d.h. fbr [j] . Entstehung werden verschiedene genetische和nicht-genetische (umweltbedingte) Faktoren sowie deren Zusammenspiel verantwortlich gemacht。Gerade die Analyse solcher Gen-Gen- oder Gen-Umwelt-Interaktionen scheint entscheidend f<s:1> r das Verständnis der Krankheitsentwicklung and die Etablierung möglicher Therapien zu sein。模具识别技术包括：模具识别技术、模具识别技术、模具识别技术、模具识别技术、模具识别技术。我是说，我是说，我是说，我是说，我是说，我是说，我是说，我是说，我是说，我是说，我是说，我是说，我是说，我是说，我是说，我是说，我是说，我是说，我是说，我是说。Ziel:(a) formululierung graphischer Modelle und k<e:1> nstlicher neuronaler Netze zur Modellierung komplexer Krankheiten， Entwicklung der zugrunde ligenden理论与讨论derprimär statistischen Eigenschaften， (b) Entwicklung und valididierung entsprechender Software, (c) Überprüfung der Praxistauglichkeit der entwickelten Verfahren。

In diesem sowohl methodisch als auch anwendungsorientiert angelegten Projekt sollen gerichtete Graphen zur Modellierung von Gen-Gen- und Gen-Umwelt-Interaktionen in Studien zur genetischen Epidemiologie eingesetzt werden. Hierbei fokussiert das Vorhaben auf graphische Modelle und künstliche neuronale Netze. Hintergrund: Bei der Erforschung der Ätiologie von Erkrankungen spielen im zunehmenden Maße individuelle genetische Faktoren eine große Rolle. Der überwiegende Anteil der in der Bevölkerung relevanten Krankheiten, wie Herz-Kreislauf-Erkrankungen, psychiatrische Erkrankungen und Krebs, ist den komplexen Erkrankungen zuzurechnen, die somit für die öffentliche Gesundheit von außerordentlichem Interesse sind. Komplexe Erkrankungen sind ihrer Natur nach multifaktoriell, d.h. für ihre Entstehung werden verschiedene genetische und nicht-genetische (umweltbedingte) Faktoren sowie deren Zusammenspiel verantwortlich gemacht. Gerade die Analyse solcher Gen-Gen- oder Gen-Umwelt-Interaktionen scheint entscheidend für das Verständnis der Krankheitsentwicklung und die Etablierung möglicher Therapien zu sein. Die Identifikation solcher Wirkmechanismen erweist sich dabei als eine komplexe Aufgabe, die erhebliche Anforderungen an die einzusetzende statistische Methodik stellt. Im Gegensatz zu den monogenetischen Erkrankungen existieren hier jedoch nur wenige, zum Teil unbefriedigende Lösungsansätze. Ziel: (a) Formulierung graphischer Modelle und künstlicher neuronaler Netze zur Modellierung komplexer Krankheiten, Entwicklung der zugrunde liegenden Theorie und Diskussion der primär statistischen Eigenschaften, (b) Entwicklung und Validierung entsprechender Software, (c) Überprüfung der Praxistauglichkeit der entwickelten Verfahren.