Mobiele menu

HD-READy: High-Dimensional Research in Alzheimer’s Disease

Projectomschrijving

In deze werkgroep hebben wij in een internationaal consortium van 23 onderzoekers nieuwe methodes ontwikkeld en getest om ultra-high-dimensional analyses uit te voeren. Deze methode geeft de mogelijkheid om data tussen studies te combineren zonder dat daartoe individuele (dus niet-geanonimiseerde) data gedeeld hoeven te worden. Ook levert deze methode een behoorlijke snelheidswinst op wat betreft berekeningen. Deze methode maakt gebruikt van zogeheten partial derivatives. Dit zijn tussenresultaten in een gebruikelijke lineaire regressie. Door deze partial derivatives tussen studies te combineren kunnen resultaten gegenereerd worden alsof ruwe data tussen studies is gedeeld. Echter, deze partial derivatives zijn geanonimiseerd en dus niet herleidbaar naar individuen.

Meer informatie

Factsheet project

Verslagen


Samenvatting van de aanvraag

1. Samenvatting (Engels) Genetics and brain imaging are two important omics-technologies in research on neurodegenerative diseases (ND), and have undergone tremendous technological development in recent years. In coming years, combining imaging and genetics into joint analysis holds great promise to further unlock the etiology of neurodegenerative disease. However, analytical methodology and infrastructure that address such ultra-high-dimensional data are lacking. By bringing together several large longitudinal cohort studies with imaging genetics data, this working group aims to tackle issues related to ultra-high-dimensional omics-data. Specifically, two research needs will be addressed: 1) Analytical methodology for ultra-high-dimensional data. Conventional strategies for joint analysis, i.e. individual-level pooling versus study-level meta-analysis, have several disadvantages related to legal, ethical, and logistic constraints. This working aims to develop a meta-analytical approach, which 1) provides effect estimates that are equivalent to individual-level meta-analysis; 2) can be shared without disclosing identifiable participant information; 3) is easily applied to large neuroimaging and genetic datasets. 2) Infrastructure to facilitate analysis of ultra-high-dimensional data. The working group will provide recommendations for harmonization of imaging genetics data. Additionally, the working group will provide recommendations regarding possible solutions for sufficient computational infrastructure, which may include cloud computing and access to central computing clusters, whilst complying with constraints mentioned in aim 1. This Working Group brings together 23 collaborators from 15 population-based longitudinal cohort studies from 6 EU and 2 non-EU countries. Furthermore, an international Advisory Reference Group will be formed, which consists of key members from other large consortia, including ENIGMA, International Stroke Genetics Consortium, ADGC and IGAP. The working group will hold bi-weekly teleconferences and meet in-person twice during the course of this grant. Ultimately, recommendations will be disseminated in manuscripts, conference presentations, and presentations during consortium meetings. 2. Publiekssamenvatting De snelle technologische ontwikkelingen in beeldvorming en genetica hebben de afgelopen jaren het onderzoek naar neurodegeneratieve ziekten in een stroomversnelling hebben gebracht. Tegelijkertijd hebben deze innovaties ook geleid tot methodologische en analytische uitdagingen op het gebied van biostatistiek en bioinformatica. De komende jaren zal het combineren van beeldvorming met genetica deze uitdaging alleen maar verder vergroten. Dit project heeft als doel het ontiwikkelen van nieuwe analytische technieken en methodologie, waarmee zulke hoog-dimensionele dataset efficient en betrouwbaar onderzocht kunnen worden. Deze werkgroep brengt 23 onderzoekers, die 15 populatiestudies vertegenwoordigen uit 6 EU en 2 niet-EU landen, samen. Alle studies hebben zowel beeldvorming als genetische data beschikbaar, waardoor snel nieuwe methoden ontwikkeld, uitgewerkt en getest kunnen worden.

Kenmerken

Projectnummer:
733051031
Looptijd: 100%
Looptijd: 100 %
2014
2018
Gerelateerde subsidieronde:
Projectleider en penvoerder:
Prof. dr. M.A. Ikram
Verantwoordelijke organisatie:
Erasmus MC