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

在遗传流行病学研究中，我们还采用了一种新的方法HERBE FOKUSSIERT das Vorhaben auf Graphische Model and Künstliche Neuronale Netze.Hintergrund：Bei der Erforschung derätiologie von Erkrankungen Spielen im zunehmenden Maçe Insielle Goée Rolle.Derüberwiegende Anteil der in der Bevölkerung相关的Krankheiten，Wie Herz-Kreislauf-Erkrankungen，精神病学家Erkrankungen和Krebs，ist den komplexen Erkrankungen zuzurechnen，die Somit für dieöffentliche Gesundheit von au？erordentlicem Interesse sind。首页--期刊主要分类--期刊细介绍--期刊题录与文摘--期刊详细文摘内容Für ihre Entsteung是verschiedene gentische and nht-gentische(UmWeltbedingte)Faktoren Sowie Dowie ZusammenSpiel verantwortlich giacht。分析解决方案的基础-计划这是一种新的统计方法，也是一种新的统计方法。我是Gegensatz zu den mongentischen Erkrankungen，我是Jedoch Nur wenige，zum teil unbeFriedgende Lösungsansätze。齐尔：(A)Formulierung graph ischer Modelle and künstlicher Neuronaler Netze zur Modellierung komplexer Krankheiten，Entwicksolder der zugrunde liegenden Theorie and Diskussion der Primär Statistischen Eigenschaften，(B)Entwickung und Validierung entsprechender Software，(C)äberprüFung 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.