Análisis

Graph Analytics se utiliza en la investigación del cáncer infantil

single-image

Graph Analytics apoya a la Universidad Técnica de Dinamarca en la lucha contra el cáncer infantil.

El análisis de gráficos utiliza bases de datos de gráficos, que se diferencian de las bases de datos relacionales tradicionales en la forma en que los puntos de datos interactúan entre sí en la base de datos. En una base de datos relacional, los puntos de datos solo se pueden vincular a otro punto de datos en un momento dado. Sin embargo, en las bases de datos de gráficos, los puntos de datos se pueden conectar a varios puntos de datos al mismo tiempo.

Las ventajas de las bases de datos de gráficos incluyen la capacidad de reducir el tiempo que lleva desarrollar conjuntos de datos que pueden proporcionar información y revelar relaciones complejas entre puntos de datos, como: B. entre una persona y su red de conocidos o una célula y una red de otras células.

La Universidad Técnica de Dinamarca (DTU) está tratando actualmente de mejorar las tasas de diagnóstico, tratamiento y curación de la leucemia linfoblástica aguda en niños.

El estudio se centra en los datos.

La universidad recopila datos de una variedad de fuentes diferentes sobre el ADN de la línea germinal y el ARN tumoral con el objetivo de encontrar conexiones entre la línea germinal y las variantes somáticas, un cambio en el ADN que ocurre después de la concepción y no está presente en la línea germinal, y los niños que lo padecen lo encuentran agudo. leucemia linfoblástica.

«Nuestro objetivo a largo plazo es crear uno de los grupos de investigación multidisciplinarios más prestigiosos en cáncer infantil», dijo Jesper Vang, Ph.D. Estudiante en el Departamento de Tecnología de la Salud en DTU el 21 de abril en una presentación durante la Graph + AI Summit, una conferencia abierta del proveedor de análisis de gráficos TigerGraph.

«Por supuesto, para hacer esto necesitamos grandes socios, investigadores y también una gran infraestructura de datos», continuó.

Jesper Vang, Ph.D.  Estudiante del Departamento de Tecnología de la Salud de la Universidad Técnica de Dinamarca presentó durante la Graph + AI Summit, una conferencia virtual organizada por TigerGraph.
Jesper Vang, Ph.D. El estudiante del Departamento de Tecnología de la Salud de la Universidad Técnica de Dinamarca (DTU) está discutiendo el uso de análisis de gráficos por parte de DTU para investigar la causa del cáncer en los niños.

Para procesar y organizar la enorme cantidad de datos recopilados para hacerlos utilizables, la DTU necesitaba un sistema que pudiera administrar su canal de datos y recurrió a Sentieon, un proveedor de tecnología para la industria médica.

Sin embargo, para el análisis en la base de datos, la DTU necesitaba una herramienta que pudiera ejecutar consultas complejas y descubrir relaciones complejas entre puntos de datos sin preguntar y rápidamente.

Para lograr sus objetivos, la DTU decidió utilizar una base de datos de gráficos para su análisis en lugar de una base de datos relacional, y seleccionó las herramientas de análisis de gráficos de TigerGraph para avanzar en sus esfuerzos para combatir la leucemia linfoblástica aguda infantil.

«Integrar y modelar todo nuestro conocimiento es clave para nuestro proyecto y los avances que estamos logrando para comprender mejor por qué los niños desarrollan cáncer, por qué algunos recaen y por qué otros son menos tolerantes a los tratamientos», dijo Vang.

Integrar y modelar todo nuestro conocimiento es clave para nuestro proyecto y el progreso que estamos logrando para comprender más sobre por qué los niños desarrollan cáncer, por qué algunos recaen y por qué otros son menos tolerantes a los tratamientos.

Jesper VangDoctor. Estudiante, Departamento de Tecnología de la Salud, DTU

El análisis de gráficos fue clave para esta integración y modelado, continuó.

Las bases de datos relacionales no pueden comprender las complejas relaciones entre todos los puntos de datos en la investigación del cáncer infantil en DTU. Entiende bien las relaciones directas, pero gran parte de la investigación de DTU cubre las relaciones indirectas.

Sin embargo, las bases de datos de gráficos son capaces de conectar puntos de datos indirectos y responder rápidamente a solicitudes que un administrador de bases de datos puede no haber esperado y no haber preparado registros para responder.

«Las bases de datos de gráficos le permiten responder preguntas aleatorias», dijo Vang. «Estos son bastante típicos en un hospital donde un médico puede hacer una pregunta y esperar que sea respondida porque la respuesta tiene que estar en algún lugar de los datos. Con la ayuda del gráfico, podemos responder más de esas preguntas siempre que el los datos existen y hay un camino intermedio «.

Vang agregó que las bases de datos relacionales pueden ser eficientes para pequeñas cantidades de datos médicos complejos, pero se vuelven más ineficientes a medida que aumenta la cantidad de datos y el número de relaciones, mientras que las bases de datos de gráficos siguen siendo eficientes.

«Las bases de datos de gráficos como TigerGraph se pueden expandir para agregar nuevas fuentes, por lo que no tenemos que redefinir la base de datos cada vez que agregamos nuevas fuentes de información», dijo.

Como la investigación aún está en curso, los resultados del estudio DTU para mejorar el diagnóstico y el tratamiento de la leucemia linfoblástica aguda en la infancia aún no están disponibles. Sin embargo, Vang espera presentar los resultados cuando TigerGraph sea anfitrión de la próxima Graph + AI Summit, que está programada para septiembre.

También te gustará