De meeste van zijn statistische omica-onderzoek is gebaseerd op gegevens: als men een generieke, robuuste oplossing kan bieden voor één bepaalde studie, dan kan men waarschijnlijk soortgelijke problemen oplossen voor vele andere studies. Zijn onderzoeksinteresses omvatten een breed spectrum, waaronder differentiële expressie ('multiple') testen, netwerkschatting en omica-integratiemodellering. Tegenwoordig is hij vooral geïnteresseerd in omica-gebaseerde klinische voorspelling en classificatie, met behulp van statistische- of machine-learners. Hierbij richt hij zich op het ontwikkelen van methoden om de voorspellende prestaties en biomarkerselectie te verbeteren door structureel gebruik te maken van aanvullende gegevens (co-data), bijvoorbeeld uit externe studies of databanken. Dergelijke methoden worden rechtstreeks toegepast en getest in een aantal samenwerkingsprojecten op het gebied van kankerdiagnostiek en -prognostiek.
Amsterdam Universitair Medisch Centrum, locatie VUmc, Amsterdam, NL
Afdeling Epidemiology & Biostatistics
De omgeving waarin we leven heeft een dominante invloed op onze gezondheid. Het verklaart naar schatting zeventig procent van de chronische ziektelast. Waar we wonen, wat we eten, hoeveel we bewegen, de lucht die we inademen en met wie we omgaan; al deze omgevingsfactoren spelen een rol. De combinatie van deze factoren gedurende de levensloop wordt het exposoom genoemd. Er is algemene (wetenschappelijke) consensus dat meer inzicht in het exposoom de huidige ziektelast zal helpen verklaren en dat het aanknopingspunten biedt voor preventie ...
Lees Meer
