Väitös tietojenkäsittelytieteen alalta, M.Sc. Eric Bach

Vastaväittäjä: apulaisprofessori Justin van der Hooft, Wageningen University, Alankomaat
Kustos: professori Juho Rousu, Aalto-yliopiston perustieteiden korkeakoulu, Tietotekniikan laitos

Väitöstilaisuus järjestetään kampuksella.

Väitöskirja on julkisesti nähtävillä 10 päivää ennen väitöstä Aalto-yliopiston julkaisuarkiston verkkoriiputussivulla.

Elektroninen väitöskirja

Väitöstiedote

Organismien ja ympäristömme tutkiminen karakterisoimalla biologisiin prosesseihin osallistuvia pieniä molekyylejä on yksi metabolomiikan päätavoitteista. Muualla kuin genomiikassa ja proteomiikassa, niin kutsutut metaboliitit (pienet molekyylit) tarjoavat dynaamisen kuvan biologisista systeemeistä. Esimerkiksi elintarvikekemiassa eri ruokavalioiden vaikutusta voidaan tutkia mittaamalla näytteistä aineenvaihduntatuotteita. Ympäristötieteessä torjunta-aineiden ja niiden metaboliittien esiintyminen esimerkiksi pintavesissä on kiinnostavaa niiden mahdollisten haitallisten vaikutusten vuoksi eläviin organismeihin.

Biologisten johtopäätösten tekemiseksi mitattujen molekyylien rakenteen määrittäminen on ratkaiseva vaihe. Nestekromatografia yhdistettynä tandem-massaspektrometriaan (LC-MS²) on laajalti käytetty alusta tällaisille analyyseille. Tämä opinnäytetyö esittelee koneoppimiseen perustuvia lähestymistapoja LC-MS²-menetelmällä mitattujen molekyylien rakenteelliseen määrittämiseen.

Ensimmäinen lähestymistapa on sisällyttää oppimisongelmaan lisätietoa kandidaattimolekyyleistä, joita voidaan havaita signaalia analysoitaessa. Toinen lähestymistapa on sisällyttää tietoa niin kutsutusta retentiojärjestyksestä, eli järjestyksestä, jossa kaksi molekyyliä poistuu LC-järjestelmästä. Nämä järjestykset riippuvat analysoitujen molekyylien ominaisuuksista. Väitöskirjassa esitetään malli ja viitekehysnäiden tietolähteiden integroimiseksi työnkulkuun.

Tässä opinnäytetyössä esitetyt lähestymistavat parantavat huomattavasti molekyylien rakenteen määrittämistä ja ovat siten tärkeitä metabolomiikkayhteisölle. Erityisesti retentiojärjestyksen hyödyntäminen on erittäin tärkeää, koska se mahdollistaa molekyylirakenteiden tarkemman selvittämisen.

Väittelijän yhteystiedot: [email protected]