Af Olivia Griffin, AAU Kommunikation & Public Affairs

Både Lu Cheng og Marta Pelizzola arbejder med avancerede matematiske og statistiske metoder for at skabe ny viden om biologiske processer og sygdomme – hver fra sin egen faglige vinkel. 

Statistiske metoder til at besvare biologiske spørgsmål

Lu Cheng arbejder i krydsfeltet mellem matematik, statistik, machine learning og molekylærbiologi. En central del af hans forskning fokuserer på nanopore-sekventering, hvor elektriske signaler, der opstår, når individuelle RNA‑molekyler passerer gennem en nanopore, omsættes til molekylære profiler. Disse signaler kan bruges til at besvare vigtige biologiske spørgsmål, såsom at identificere aktive mikrober i jordprøver fra miljøet, opdage RNA‑modifikationer forbundet med sygdom og forstå RNA‑strukturer, der kan hjælpe med at guide udviklingen af mRNA‑vacciner og medicin.

Han bruger også store sprogmodeller til at identificere gener, der driver angiogenese – dannelsen af blodkar – forskning, der på sigt kan bidrage til nye behandlingsstrategier for hjerte‑kar‑sygdomme. Når han beskriver kernen i sin tilgang, forklarer han: "Min forskning handler om at udvikle machine learning  og statistiske metoder til at besvare biologiske spørgsmål. Hvordan man udnytter store sprogmodeller til at gøre interessante biologiske opdagelser, er et centralt spørgsmål."

Reelle udfordringer set fra et dataperspektiv 

Marta Pelizzola arbejder med statistisk genetik og udvikler metoder til at analysere genetiske, genomiske og kliniske data.

Hendes arbejde omfatter udvikling af statistiske metoder til cancergenomik, hvor hun undersøger de biologiske processer, der ligger til grund for specifikke kræfttyper, og hvordan mutationer hænger sammen med sygdom. Ifølge hende er de mest spændende projekter “dem, hvor nogen ser på et reelt problem ud fra et datapunkt, og hvor vi derefter giver det mening med en teoretisk tilgang.”

Målet er at skabe viden, som klinikere, biologer og forskere kan bruge til at forbedre diagnostik og styrke forståelsen af sygdomsudvikling. Som hun beskriver det: “Jeg forsøger at forstå, hvilke processer der har genereret en bestemt kræftform. På længere sigt kan metoder som disse bruges af læger, klinikere og forskere i biologi til at analysere data og vurdere, om bestemte mutationer er forbundet med den pågældende kræfttype."

Tværfagligt samarbejde og undervisning

Selv om deres faglige tilgange er forskellige, deler Cheng og Pelizzola et stærkt engagement i at omsætte komplekse data og teoretiske metoder til biologisk og klinisk relevant viden. 

Og begge ser frem til at blive en del af det stærke tværfaglige forskningsmiljø på AAU.

Pelizzola fremhæver samarbejdet med CLINDA – Center for Clinical Data Science – som et område med stort potentiale. Hun glæder sig samtidig til at bringe et anvendelsesorienteret perspektiv ind i undervisningen gennem AAU’s problembaserede læringsmodel.

Cheng ønsker at styrke integrationen af programmering og kunstig intelligens i undervisningen og ser frem til at engagere studerende i de metoder, der driver hans forskning.

Med ansættelsen af Lu Cheng og Marta Pelizzola styrker Aalborg Universitet sin position inden for datadrevet sundhedsforskning. Sammen repræsenterer de en fælles ambition: at bruge matematik og statistik til at forstå biologiske systemer – og omsætte denne viden til løsninger, der kan gøre en forskel for både videnskab og samfund.