AFRICOS Studie zur Untersuchung von Immunaktivierung bei chronischer HIV-Infektion

Aufgaben:

In diesem Kollaborationsprojekt mit dem Virologen Prof. Hendrik Streeck ging es um die Charakterisierung von Immunparametern und Inflammation bei chronischer HIV-Infektion. AFRICOS ist die derzeit größte Studie zur Immunaktivierung bei chronischer HIV-Infektion und misst verschiedene Immunparameter bei HIV-Infizierten aus verschiedenen Ländern und Regionen in Afrika. Unsere Ergebnisse zeigen, dass die chronische Immunaktivierung bei einer HIV-1-Infektion von der HIVViruslast, dem Geschlecht, dem Alter, der Region und der Einnahme von anti-retroviralen Medikamenten beeinflusst wird.

Prognose von Streckennetzauslastungen

Kunde: auf Anfrage

Aufgaben:

Für die Streckennetzplanung ist es wichtig, zukünftiges Fluggastaufkommen gut einschätzen zu können. Das von uns entwickelte Modell benutzt dafür Daten aus der Vergangenheit und verknüpft diese mit makroökonomischen Daten der Start- und Zielländer. Der Fokus liegt dabei auf einer genauen Quantifizierung der Prognoseunsicherheit, sodass die Vorhersagen anschließend für Kosten- Nutzenabwägungen benutzt werden können.

Identifikation von Markergenen

Kunde: Abalos Therapeutics GmbH

Aufgaben:

In einem Projekt mit der Abalos Therapeutics GmbH konnten wir selbst komplexe biologische Zusammenhänge der anti-tumoralen Wirkung von Viren mittels statistischer Modelle abbilden. Ähnliche Ansätze eignen sich auch in anderen Bereichen, z.B. immer dann, wenn aus einer großen Anzahl verschiedener Faktoren ein minimales Subset ausgewählt werden soll, das den Unterschied zwischen zwei Zuständen charakterisieren kann.

Klinische und molekulare Merkmale im Zusammenhang mit dem Ansprechen auf eine therapeutische PD-1/PD-L1-Hemmung bei fortgeschrittenem Merkelzellkarzinom

Aufgaben:

Das Merkelzell Karzinom ist eine seltene und aggressive Form des Hautkrebs mit einer Mortalitätsrate von etwa 33%. Neue antikörperbasierte Therapien sind bei manchen Patienten sehr wirkungsvoll, bei anderen jedoch nicht. Da nur wenige und unvollständige Daten zu dem Zusammenhang zwischen Patienten- und Tumorcharakteristika und dem Therapieerfolg vorliegen, ist die Identifikation von Risikofaktoren besonders herausfordernd. Mit unserem Bayesianischen Ansatz konnten wir in einem Kollaborationsprojekt teilweise fehlende Datenpunkte mit in die Analyse einfließen lassen und somit unter Berücksichtigung der Unsicherheit deutlich mehr aus den vorhandenen Daten lernen.