Benjamin Ulfenborg

Stora sötvattensmusslor är goda indikatorer på vattenstatus. De inte bara filtrerar och renar vattnet, bäddar av musslor på bottnarna ger också struktur och skydd för många andra organismer, vilket leder till ökad biologisk mångfald. Vår forskning syftar till att studera de stora sötvattensmusslornas ekologi och använda dem som indikatorer för miljö- och naturvårdsarbete i sjöar och vattendrag.

Artificiell intelligens (AI) är en viktig drivkraft som snabbt håller på att transformera sjukvård och läkemedelsindustrier på många sätt. Den stora mängden biomedicinsk data som idag finns tillgänglig erbjuder unika möjligheter att utveckla olika AI-baserade modeller. Det finns dock många utmaningar associerade med tillämpning av AI-metoder inom Life Science som ännu inte adresserats.

Inom BioMine-projektet studerar vi möjligheterna att använda storskalig biologisk data för att identifiera och validera biomarkörer inom Life-Science-området. Biomarkörer blir allt viktigare inom det biomedicinska området, och det finns ett växande behov av att identifiera nya markörer för diagnostik av sjukdomar och sjukdomsprogression.

Detta är ett av tre delprojekt inom synergiprojektet BioMine - Data-mining för identifiering, selektion och validering av biomarkörer. Delprojektet undersöker storskalig biomolekylär data för att identifiera specifika markörer som kan användas för att studera olika sjukdomar.

Detta är ett av tre delprojekt inom synergiprojektet BioMine – Data-mining för identifiering, selektion och validering av biomarkörer. Delprojektet undersöker storskalig biomolekylär data för att identifiera specifika markörer som kan användas för att påvisa toxiska effekter på humana celler. Projektet är ett samarbete mellan Högskolan i Skövde, AstraZeneca Gothenburg och Takara Bio Europe.

Vävnadsteknik för tillverkning av transplantat (TransTissuE) är ett samverkansprojekt mellan Högskolan i Skövde, VERIGRAFT och XVIVO. Tillsammans vill vi utveckla metoder och strategier för att optimera tillverkningen av individanpassade kärltransplantat.

Inom AlgorOmics vill vi utveckla och implementera algoritmer för integration, visualisering och analys av storskaliga omics-data, med tillämpningar i stamcellsdifferentiering och läkemedelsutveckling.

Detta projekt är ett delprojekt i ett större synergiprojekt (BISON) med fokus på dataanalys av Big data. Projektet syftar till att utveckla bioinformatiska metoder och algoritmer för analys och integrering av storskalig biomedicinsk data. De senaste åren har en massiv digitalisering av data och information genomförts i samhället och majoriteten av all världens information uppskattas numera vara digital.

Big data har väckt stort intresse under de senaste åren på grund av den snabba ökningen av den enorma mängd data som finns tillgänglig för att lösa olika typer av uppgifter inom många olika tillämpningsområden. Dagens big data befinner sig dock fortfarande på en relativt låg abstraktionsnivå när det gäller komplexa beslutsstödsuppgifter och präglas ofta av utmaningar som hög dimension och betydande osäkerhet kring vilka mönster som bör identifieras i data.

Läkemedelsindustrin har ett omedelbart behov av in vitro-modeller med hög human relevans som kan användas för att modellera viktiga funktioner i olika organ. Projektet vill utveckla en human in vitro-modell baserad på humana pluripotenta stamceller som kan modellera viktiga aspekter av blod-hjärnbarriären.