Aktionen

World Community Grid/Help Conquer Cancer

Aus SETI.Germany Wiki

Help Conquer Cancer
Help Conquer Cancer
Ziel:Hilf Krebs zu besiegen
Kategorie:Medizin
Hauptprojekt:World Community Grid
Homepage:http://www.worldcommunitygrid.org/
Betreiber:Ontario Cancer Institute Kanada
Status:inaktiv/beendet
Projektadressen
Forum:Help Conquer Cancer Forum
SETI.Germany
Team-Statistik:Help Conquer Cancer
Teambeitritt:SETI.Germany beitreten
Forenthread:SETI.Germany Forum
Workunit
Frist:10 Tage
Laufzeit:
  • ca. 300-330 sec.
    (ATI 6770)
  • 6-7 Stunden
    (i7 860)
  • 1,6 - 3,5 h mit neuer Version HCC 6.08
    (i7 - 920)
Download:ca. 100 KB
Upload:62 KB
Arbeitsspeicher:bis 52 MB
Betriebssysteme:Linux 32 Bit Mac OS (Intel) Windows 32 Bit
GrafikkartenATI NVIDIA CUDA
Bildschirmschoner:Vorhanden
Checkpoints:Vorhanden

Help Conquer Cancer verbessert die Auswertungswertungsmethoden der Röntgenkristallographie von Proteinen. Die analysierten Proteine spielen bei Entstehung und Wachstum von Krebs eine Rolle. Dadurch erhalten Forscher einen tieferen Blick auf die Entstehung, den Verlauf und die Behandlungsmöglichkeiten von Krebserkrankungen.

Das Projekt wird innerhalb des World Community Grids durchgeführt.

Seit Oktober 2012 können GPUs zum Berechnen des Projekts eingesetzt werden. Hierfür muss die Option "If my computer can process work on my graphics card, then please send me work to run on my graphics card for the projects that I have selected above." in den Projekteinstellungen aktiviert werden. Eine Liste mit nicht unterstützen Grafikkarten kann hier eingesehen werden.

Mission

Die Mission von „Helfen Sie Krebs zu besiegen“ besteht darin, die Ergebnisse der Proteinröntgenkristallographie mit Hilfe eines neuartigen automatisierten Analyesystems zu verbessern. Dies hilft den Forschern dabei, Rolle und Funktion von krebsrelevanten Proteinen zu verstehen und verbessert ihr Verständnis der Krebsentstehung und -entwicklung. Dieses Wissen ist die Voraussetzung zur erfolgreichen Identifizierung von innovativen Erkennungs- und Behandlungsmethoden von Krebs.


Projektstatus und Ergebnisse

Informationen über dieses Projekt werden auf den Webseiten und von den Projektwissenschaftlern auf der Help Conquer Cancer Webseite bereitgestellt. Für den neusten Statusreport gehe bitte zum Help Conquer Cancer Status Report. Um dieses Projekt zu kommentieren oder Fragen zu stellen, erstelle bitte einen Post im Help Conquer Cancer Forum beim World Community Grid oder im HCC-Thread im Forum von SETI.Germany.

Statusberichte


Zwischenergebnisse

Das Ontario Cancer Institute hat eine Methode zur Bildanalyse und Klassifizierung entwickelt, um automatisch Bilder von Proteinkristallisationen auszuwerten. Die entsprechenden Proteine spielen bei Entstehung und Wachstum von Krebs eine Rolle. Im Projekt HCC werden 12.375 Eigenschaften von Bildern berechnet, die unterschiedliche Gewebemuster unter Öl zeigen. Hier ein Beispiel einer Belichtungsserie mit sichtbarer Kristallisation (Quelle: Ontario Cancer Institute, 2010):

Hcc samples1.png

Durch die von HCC ausgewerteten Bilder und einer Referenzauswahl von 165.351 per Hand ausgewerteten Bildern wird das automatische Analysesystem ‚trainiert‘. Hierzu werden zwei unterschiedliche mehrstufige Prozesse verwendet, deren Ergebnisse korreliert werden. Es handelt sich um das ‚Random Forest‘-Klassifizieruzngsmodell und ein zusätzliches 10-stufiges Modell. Beide Modelle arbeiten mit unterschiedlich definierten Entscheidungsbäumen. Gemeinsam ist den Klassifizierungsmodellen, dass die erste Stufe die kreisrunden Bilder mit einer Auflösung von 320 Pixeln im Durchmesser klassifiziert, während die relevanten Bildteile in den folgenden Stufen mit einem Durchmesser von 200 Pixeln analysiert werden. Schon heute erkennt das System

  • 80% der Bilder mit Kristallen richtig sowie
  • 89% der Bilder mit Unreinheiten und
  • 98% der Bilder ohne Kristallisation.

Die verbleibenden Prozentzahlen sind (noch) falsch positive oder falsch negative Auswertungen. Die folgende Abbildung zeigt anschaulich die Übereinstimmung der ‚Rain Forest‘-Klassifizierung (RF) mit der tatsächlichen Eigenschaft in den roten Bereichen. Die kleinen schwarzen Bereiche zeigen Abweichungen der tatsächlichen Eigenschaft von der RF-Klassifizierung (Quelle: Protein crystallization analysis on the World Community Grid, Christian A. Cumbaa und Igor Jurisica, 2010).

Hcc classification.png

Im weiteren Projektverlauf sollen die Klassifizierungssysteme noch weiter ‚trainiert‘ werden, um die Trefferquote nochmals signifikant zu erhöhen.


Verbesserte Berechnung ab HCC-Version 6.08

Seit dem 25. März 2010 wird eine neue Version der HCC-Software eingesetzt, welche die erforderliche Berechnungszeit für eine Work Unit mehr als halbiert. Die neue Software wurde vom Ontario Cancer Institute in Zusammenarbeit mit dem IBM Toronto Software Labor entwickelt.

Es wurde ein sehr CPU-intensiver Teil der Software verbessert, in welchem einige Millionen Matrizen der Größe 256² aufgebaut, manipuliert und verworfen werden. Durch neue Anordnung der Berechnungen zur Bildanalyse in Matrizen der Größe 64² konnte CPU-Nutzung sowie Speicherverbrauch und -zugriff drastisch verringert werden - und dies bei bitgleichen Ergebnissen!

Die Optimierungen führten zu einer Verkürzung der Berechnungszeit pro Work Unit von durchschnittlich 54%.

Signifikanz

Wenn man das Verständnis von Krebs und seiner Behandlung signifikant verbessern will, müssen nicht nur neuartige therapeutische Verfahren entwickelt werden, die Metastasen bildende Krankheiten (oder sich in andere Körperteile ausbreitenden Krebs) ins Blickfeld rücken, es müssen auch diagnostische Marker (Indikatoren der Krankheit) identifiziert werden, die Krankheiten im Frühstadium aufspüren können.

Forscher waren durch das Studium der verschiedenen Krebsformen zu wichtigen Entdeckungen in der Lage, selbst wenn nur begrenzte oder keine Informationen über die involvierten Proteine vorlagen. Um Krebs besser verstehen und behandeln zu können, ist es jedoch wichtig für Wissenschaftler, die beteiligten Proteine sowie deren Struktur und Funktion zu verstehen.

Wissenschaftler sind speziell an Proteinen interessiert, die eine funktionelle Beziehung zu Krebs haben. Dies sind Proteine, die bei Krebs entweder im Übermaß vorhanden, unterdrückt werden oder die modifiziert wurden.

Da diese Proteine sehr groß sind, bietet sich einzig die Analyse per Röntgen-Kristallographie an. Um festzustellen, ob sich unter vorhergesagten Bedingungen Kristalle am Protein bilden, mussten bisher Bilder von Proteinen von entsprechend ausgebildeten Menschen untersucht werden. Diese Methode ist extrem zeitaufwändig und teuer.

Durch das Projekt HCC konnten die Wissenschaftler ein automatisiertes System entwickeln, welches Kristallisationen selbstständig erkennen kann. Somit können sehr viele Gewebemuster in kürzerer Zeit ausgewertet werden. Dies wiederum führt zu einem besseren Verständnis der Rolle und Funktion bestimmter Proteine bei der Entwicklung von Krebs und anderen Krankheiten. Dies ist die Voraussetzung für die erfolgreiche Identifizierung von innovativen Erkennungs- und Behandlungsmethoden von Krebs.

Statistik

WCGHCCProdChart.png

Mit bestem Dank an Sekerob.

Single Sign On provided by vBSSO