{"id":2869,"date":"2018-02-02T05:22:58","date_gmt":"2018-02-02T05:22:58","guid":{"rendered":"https:\/\/blog.kolabtree.com\/?p=2869"},"modified":"2018-07-27T13:15:47","modified_gmt":"2018-07-27T13:15:47","slug":"7-ways-cancer-research-can-benefit-from-big-data","status":"publish","type":"post","link":"https:\/\/www.kolabtree.com\/blog\/de\/7-ways-cancer-research-can-benefit-from-big-data\/","title":{"rendered":"7 Wege, wie die Krebsforschung von Big Data profitieren kann"},"content":{"rendered":"<div id=\"ez-toc-container\" class=\"ez-toc-v2_0_45_1 counter-flat ez-toc-counter ez-toc-grey ez-toc-container-direction\">\n<div class=\"ez-toc-title-container\">\n<p class=\"ez-toc-title\">Das Inhaltsverzeichnis<\/p>\n<span class=\"ez-toc-title-toggle\"><a href=\"#\" class=\"ez-toc-pull-right ez-toc-btn ez-toc-btn-xs ez-toc-btn-default ez-toc-toggle\" area-label=\"ez-toc-toggle-icon-1\"><label for=\"item-69f654b4e0102\" aria-label=\"Table of Content\"><span style=\"display: flex;align-items: center;width: 35px;height: 30px;justify-content: center;direction:ltr;\"><svg style=\"fill: #999;color:#999\" xmlns=\"http:\/\/www.w3.org\/2000\/svg\" class=\"list-377408\" width=\"20px\" height=\"20px\" viewbox=\"0 0 24 24\" fill=\"none\"><path d=\"M6 6H4v2h2V6zm14 0H8v2h12V6zM4 11h2v2H4v-2zm16 0H8v2h12v-2zM4 16h2v2H4v-2zm16 0H8v2h12v-2z\" fill=\"currentColor\"><\/path><\/svg><svg style=\"fill: #999;color:#999\" class=\"arrow-unsorted-368013\" xmlns=\"http:\/\/www.w3.org\/2000\/svg\" width=\"10px\" height=\"10px\" viewbox=\"0 0 24 24\" version=\"1.2\" baseprofile=\"tiny\"><path d=\"M18.2 9.3l-6.2-6.3-6.2 6.3c-.2.2-.3.4-.3.7s.1.5.3.7c.2.2.4.3.7.3h11c.3 0 .5-.1.7-.3.2-.2.3-.5.3-.7s-.1-.5-.3-.7zM5.8 14.7l6.2 6.3 6.2-6.3c.2-.2.3-.5.3-.7s-.1-.5-.3-.7c-.2-.2-.4-.3-.7-.3h-11c-.3 0-.5.1-.7.3-.2.2-.3.5-.3.7s.1.5.3.7z\"\/><\/svg><\/span><\/label><input  type=\"checkbox\" id=\"item-69f654b4e0102\"><\/a><\/span><\/div>\n<nav><ul class='ez-toc-list ez-toc-list-level-1' ><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-1\" href=\"https:\/\/www.kolabtree.com\/blog\/de\/7-ways-cancer-research-can-benefit-from-big-data\/#1_Sequencing_Cancer_Genomes_of_Humans\" title=\"1. Sequenzierung der Krebsgenome des Menschen\">1. Sequenzierung der Krebsgenome des Menschen<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-2\" href=\"https:\/\/www.kolabtree.com\/blog\/de\/7-ways-cancer-research-can-benefit-from-big-data\/#2_High-Throughput_Sequencing_of_Patient_Samples\" title=\"2. Hochdurchsatz-Sequenzierung von Patientenproben\">2. Hochdurchsatz-Sequenzierung von Patientenproben<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-3\" href=\"https:\/\/www.kolabtree.com\/blog\/de\/7-ways-cancer-research-can-benefit-from-big-data\/#3_Sequencing_Genomes_of_Other_Organisms\" title=\"3. Sequenzierung von Genomen anderer Organismen\">3. Sequenzierung von Genomen anderer Organismen<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-4\" href=\"https:\/\/www.kolabtree.com\/blog\/de\/7-ways-cancer-research-can-benefit-from-big-data\/#4_Transcriptome_Analysis_for_Better_Cancer_Monitoring\" title=\"4. Transkriptomanalyse f\u00fcr eine bessere Krebs\u00fcberwachung\">4. Transkriptomanalyse f\u00fcr eine bessere Krebs\u00fcberwachung<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-5\" href=\"https:\/\/www.kolabtree.com\/blog\/de\/7-ways-cancer-research-can-benefit-from-big-data\/#5_Incorporating_Machine_Learning_Algorithms_For_Diagnostic_Modelling\" title=\"5. Einbindung von Algorithmen des maschinellen Lernens f\u00fcr die diagnostische Modellierung\">5. Einbindung von Algorithmen des maschinellen Lernens f\u00fcr die diagnostische Modellierung<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-6\" href=\"https:\/\/www.kolabtree.com\/blog\/de\/7-ways-cancer-research-can-benefit-from-big-data\/#6_Presenting_Greater_Clarity_on_Disease_Prognosis\" title=\"6. Gr\u00f6\u00dfere Klarheit \u00fcber die Krankheitsprognose\">6. Gr\u00f6\u00dfere Klarheit \u00fcber die Krankheitsprognose<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-7\" href=\"https:\/\/www.kolabtree.com\/blog\/de\/7-ways-cancer-research-can-benefit-from-big-data\/#7_Clinical_Data_also_Presents_Viable_Answers_for_Cancer_Relapses\" title=\"7. Klinische Daten bieten auch tragf\u00e4hige Antworten f\u00fcr Krebsr\u00fcckf\u00e4lle\">7. Klinische Daten bieten auch tragf\u00e4hige Antworten f\u00fcr Krebsr\u00fcckf\u00e4lle<\/a><\/li><\/ul><\/nav><\/div>\n<p>Data is ubiquitous in healthcare\u2014from hospitals, laboratories and <a href=\"https:\/\/www.kolabtree.com\/blog\/de\/ensuring-reproducibility-in-ai-driven-research-how-freelance-experts-can-help-in-biotech-and-healthcare\/\">Forschung<\/a> centres to surveillance systems, data makes up an indiscriminate part of healthcare systems. In fact, there\u00a0is a myriad of types of data in biosciences research collected through clinical research or generated by genome sequencing or computational drug modelling. <a href=\"https:\/\/www.kolabtree.com\/find-an-expert\/subject\/oncology?utm_source=BlogCancer\">Krebsforschung<\/a> profitiert besonders von den Anwendungen von Big Data und Analytik. Krebsfr\u00fcherkennungsprogramme l\u00f6sen ein umfangreiches Repertoire an Bildgebungs- und Labordaten aus, die eine eingehende Analyse und wiederholte Tests erfordern, damit daraus ein echter Nutzen gezogen werden kann. Wiederholte Tests und Datenanalysen erm\u00f6glichen es klinischen Forschern, bessere Medikamente zu entwickeln, ihre Eigenschaften zu verstehen <em>in vivo<\/em> und neuartige Medikamente zur Krebsbek\u00e4mpfung herstellen.<\/p>\n<p>Es ist kein Geheimnis, dass <a href=\"https:\/\/www.kolabtree.com\/find-an-expert\/subject\/data-analysis\">gro\u00dfe Daten<\/a> gilt als die sichere Methode, um die Komplexit\u00e4t von Krebs zu durchbrechen.  Es besteht der Drang, neue Mechanismen zur Behandlung von Krebs zu entwickeln, was die Unternehmen dazu veranlasst hat, Tools zur Datenvisualisierung\/-analyse zu untersuchen. Das Erfassen, Sammeln, Speichern und Analysieren von Daten aus Krebszellen ist ein ganz neues Spiel, bei dem\u00a0<strong>Wohlwollende KI<\/strong>,<strong>\u00a010X Genomics<\/strong>,<strong>\u00a0Insilico-Medizin<\/strong>\u00a0und\u00a0<strong>NuMedii<\/strong>\u00a0haben ihre ersten Meilensteine erreicht.<i>\u00a0<\/i>10X Genomics ist sogar noch einen Schritt weiter gegangen und hat die Sequenzierung des gesamten Genoms, die Exom-Sequenzierung und die Einzelzell-Transkriptomanalyse angeboten, die anschaulich auf krebsgef\u00e4hrdete Gensequenzen in der DNA, der mRNA und den Polypeptidketten hinweisen. Nur wenige andere Unternehmen nutzen umfassendere Datenstrukturen, neuartige Screening-Mechanismen und hochaufl\u00f6sende Algorithmen zur Datenfilterung, um Krebsmedikamente in einer Vielzahl von Zellumgebungen zu testen.<\/p>\n<p>Die Anwendbarkeit von Big Data in der Krebsdiagnose, -erprobung und -verwaltung wird als entscheidender Schritt auf dem Weg zu einer Krebsforschung der n\u00e4chsten Generation gepriesen. Hier sind 7 M\u00f6glichkeiten, wie sich Big Data auf die Krebsforschung auswirkt.<\/p>\n<h4><span class=\"ez-toc-section\" id=\"1_Sequencing_Cancer_Genomes_of_Humans\"><\/span>1. Sequenzierung der Krebsgenome des Menschen<span class=\"ez-toc-section-end\"><\/span><\/h4>\n<p><img decoding=\"async\" src=\"https:\/\/www.thermofisher.com\/blog\/wp-content\/uploads\/sites\/6\/2017\/05\/shutterstock_430479463.jpg\" \/><\/p>\n<p>Jede Zelle unseres K\u00f6rpers hat die gleiche Anzahl von Chromosomen und etwa das gleiche Volumen an DNA. Krebszellen weisen jedoch deutliche Abweichungen in Bezug auf den Chromosomeninhalt und das Wachstum auf, die, wenn sie einer In-silico-Visualisierung unterzogen werden, genutzt werden k\u00f6nnen, um Informationen bis hinunter auf die DNA-Ebene zu erschlie\u00dfen. Diese Sequenzierungsstudien k\u00f6nnen Zellbiologen, Bioinformatikern, Molekularbiologen und Nanobiotechnologen dabei helfen, bessere Methoden zur Beseitigung chromosomaler Anomalien zu entwickeln, die zu m\u00f6glichen therapeutischen Wegen f\u00fchren k\u00f6nnen.<\/p>\n<h4><span class=\"ez-toc-section\" id=\"2_High-Throughput_Sequencing_of_Patient_Samples\"><\/span>2. Hochdurchsatz-Sequenzierung von Patientenproben<span class=\"ez-toc-section-end\"><\/span><\/h4>\n<p>Wir leben in einer Zeit, in der die personalisierte Medizin in der Gesundheitsversorgung allt\u00e4glich wird, und Krebs ist der gr\u00f6\u00dfte Anwendungsbereich f\u00fcr diesen Fortschritt. Dieser Vorsto\u00df in Richtung personalisierte Medizin hat die Computerbiologie in den Mittelpunkt ger\u00fcckt, den Zweig der Biologie, der die Gesundheitsversorgung so anspruchsvoll macht, wie sie heute gesehen wird. <strong><a href=\"https:\/\/research.cornell.edu\/news-features\/cancer-and-big-data-analytics\">Professor Olivier Elemento<\/a><\/strong>ein Experte f\u00fcr Computermedizin an der Cornell University, betont, dass sich Krebszellen st\u00e4ndig ver\u00e4ndern, weiterentwickeln und sich an die menschliche Umgebung anpassen, so dass schnellere Technologien der n\u00e4chsten Generation mehr denn je erforderlich sind, um die genetische Zusammensetzung eines Tumors aufzudecken. Und das ist noch nicht alles: Die Mutationssequenzen m\u00fcssen identifiziert, segmentiert und im Hinblick auf das exprimierte Gen verarbeitet werden.<\/p>\n<h4><span class=\"ez-toc-section\" id=\"3_Sequencing_Genomes_of_Other_Organisms\"><\/span>3. Sequenzierung von Genomen anderer Organismen<span class=\"ez-toc-section-end\"><\/span><\/h4>\n<p><img decoding=\"async\" src=\"https:\/\/image.slidesharecdn.com\/ncigenomicsfairwashukibbe-170207033019\/95\/national-cancer-data-ecosystem-and-data-sharing-21-638.jpg?cb=1486440230\" alt=\"Bildergebnis f\u00fcr Krebsdaten\" \/><\/p>\n<p>Das erste Genom, das sequenziert wurde, war das von <em>Escherichia coli<\/em>ein einzelliger Organismus. Dann, Pflanzengenome wie <em>Arabidopsis thaliana<\/em> Mit jedem Grad an Komplexit\u00e4t, den diese Organismen aufwiesen, gewann die Genomsequenzierung an Bedeutung im Hinblick auf das Verst\u00e4ndnis des Potenzials einer einzelnen Zelle, Krebszellen zu kontrollieren, zu sensibilisieren oder abzuwehren. Sie lieferte auch funktionierende Theorien \u00fcber die Ausl\u00f6ser von Krebs. Jetzt analysieren die Forscher Echtzeitdaten von Zelllinien des Eierstockkrebses von Maus und H\u00fchnerhamster, um die Methoden zur Krebserkennung zu erweitern oder zu verbessern und die Genauigkeit der derzeit verf\u00fcgbaren Screening-Tests zu erh\u00f6hen.<\/p>\n<h4><span class=\"ez-toc-section\" id=\"4_Transcriptome_Analysis_for_Better_Cancer_Monitoring\"><\/span>4. Transkriptomanalyse f\u00fcr eine bessere Krebs\u00fcberwachung<span class=\"ez-toc-section-end\"><\/span><\/h4>\n<p>Gro\u00dfe Datenbanken mit Screening- und Versuchsdaten wurden erst in den letzten zehn Jahren im Rahmen von Krebsstudien erstellt. Dies hat einen entscheidenden Mehrwert f\u00fcr die Beibehaltung von Markergenen gebracht, die nun die ersten Werkzeuge f\u00fcr die \u00dcberwachung von Onkogenen, die Entdeckung von Medikamenten und Biokompatibilit\u00e4tsstudien sind. Dar\u00fcber hinaus extrapolieren einige Unternehmen Krebsgenomdaten zur Analyse von Transkriptomen und Proteinsynthese. Dies ist der Schl\u00fcssel zum Auffinden verlegter Genfragmente und ihrer Produkte und hilft somit bei der Verfolgung sowohl konservativer als auch nicht-konservativer Mutationen.<\/p>\n<h4><span class=\"ez-toc-section\" id=\"5_Incorporating_Machine_Learning_Algorithms_For_Diagnostic_Modelling\"><\/span>5. Einbindung von Algorithmen des maschinellen Lernens f\u00fcr die diagnostische Modellierung<span class=\"ez-toc-section-end\"><\/span><\/h4>\n<p>In den Gesundheitssystemen werden enorme Datenmengen gespeichert, deren Nutzung durch moderne Technologien erleichtert wurde. Biotechnologische\/interdisziplin\u00e4re Forscher f\u00fchren umfangreiche Analysen dieser Datenbanken mit Hilfe von Hochgeschwindigkeits <a href=\"https:\/\/blog.kolabtree.com\/artificial-intelligence-and-machine-learning-are-transforming-healthcare\/\">Algorithmen f\u00fcr maschinelles Lernen<\/a> die Daten scannen, mit Daten interagieren und die h\u00f6chste Genauigkeit bei der Integration gro\u00dfer Datenbanken gew\u00e4hrleisten k\u00f6nnen. Algorithmen des maschinellen Lernens und Hightech-Datenmodellierungssysteme werden eingesetzt, um krebsbezogene Daten aus verschiedenen Quellen zu integrieren und so ein umfassenderes Bild von Tumoren zu erhalten. Genetische Datenvisualisierungstools schlagen Wellen in der Krebserkennung, indem sie neue Methoden zur \u00dcberpr\u00fcfung des Wachstums von Krebszellen und des Absterbens gesunder Zellen erm\u00f6glichen. Dies wurde durch die Einbeziehung des Genetic Modification and Clinical Research Information System, der effizientesten Open-Source-Forschungsdatenmanagementsysteme zur Visualisierung von Sequenzierungs- und Screeningdaten mit hohem Durchsatz, effektiv umgesetzt.<\/p>\n<h4><span class=\"ez-toc-section\" id=\"6_Presenting_Greater_Clarity_on_Disease_Prognosis\"><\/span>6. Gr\u00f6\u00dfere Klarheit \u00fcber die Krankheitsprognose<span class=\"ez-toc-section-end\"><\/span><\/h4>\n<p>Einige Software-Tools zur Visualisierung von Gesundheitsdaten, wie z. B. die <strong>CancerLinQ<\/strong> entwickelt, die es \u00c4rzten und Interventionalisten erm\u00f6glichen, Zugang zu hochwertigen medizinischen Patientendaten zu erhalten. Dies ist wichtig, weil es dazu beitr\u00e4gt, fr\u00fchere Krebserkrankungen, das Fortschreiten der Krankheit und das bisherige Behandlungsschema zu verstehen. \u00c4rzte greifen auf gesch\u00fctzte medizinische Daten von Patienten zur\u00fcck, die Screening-Tools verwenden, und nutzen sie, um klinische Studien zu empfehlen, personalisierte Behandlungsprotokolle vorzuschlagen und den Umfang der Krebsbehandlung effektiver zu bestimmen. Heutzutage nutzen auch Krankenh\u00e4user, die hohe Einweisungsraten f\u00fcr Krebspatienten verzeichnen, die <strong>Tumor-ID-Karten<\/strong> die es erm\u00f6glichen, ihre Daten f\u00fcr die klinische Auswertung zentral zug\u00e4nglich zu machen.<\/p>\n<h4><span class=\"ez-toc-section\" id=\"7_Clinical_Data_also_Presents_Viable_Answers_for_Cancer_Relapses\"><\/span>7. Klinische Daten bieten auch tragf\u00e4hige Antworten f\u00fcr Krebsr\u00fcckf\u00e4lle<span class=\"ez-toc-section-end\"><\/span><\/h4>\n<p>Immer mehr Leistungserbringer im Gesundheitswesen nutzen Datenanalysetools, um zu verstehen, warum bei einigen Patienten ein Tumorrezidiv auftritt und bei anderen nicht. \u00c4rzte werten eine gro\u00dfe Anzahl von Fallberichten aus, die helfen, die Gesundheitsrisiken von Patienten in einem viel gr\u00f6\u00dferen Rahmen als bisher zu bewerten. Medizinische Fallberichte werden zwar schon seit langem verwendet, aber erst jetzt werden sie immer zug\u00e4nglicher und n\u00fctzlicher. Das bedeutet, dass die Labordaten nicht den \u00fcblichen Identifizierungsverfahren unterworfen werden, sondern nach einem Vergleich mit anderen weltweit gemeldeten F\u00e4llen bewertet werden. Dies macht die Daten zur wichtigsten Voraussetzung f\u00fcr eine personalisierte Behandlung.<\/p>\n<p>Krebs entwickelt sich schneller weiter als unsere Medikamente. Wenn man ihn besiegen, kontrollieren oder verhindern will, muss man seine Bem\u00fchungen daher unbedingt auf eine bessere Zielerkennung ausrichten. Big Data ist die entscheidende Technologie, die ein Krebsforscher einsetzen sollte, um die Qualit\u00e4t der Forschung zu verbessern und schneller die besten Ergebnisse zu erzielen.<\/p>\n<p>_______________________________________<\/p>\n<p><em>Konsultieren Sie einen<a href=\"https:\/\/www.kolabtree.com\/find-an-expert\/subject\/oncology?utm_source=BlogCancer\"> Spezialist f\u00fcr Krebsforschung<\/a>t oder freiberuflich\u00a0<a href=\"https:\/\/www.kolabtree.com\/find-an-expert\/subject\/data-analysis?utm_source=BlogCancer\">Datenwissenschaftler<\/a> auf Kolabtree.\u00a0<\/em><\/p>","protected":false},"excerpt":{"rendered":"<p>Data is ubiquitous in healthcare\u2014from hospitals, laboratories and research centres to surveillance systems, data makes up an indiscriminate part of healthcare systems. In fact, there\u00a0is a myriad of types of data in biosciences research collected through clinical research or generated by genome sequencing or computational drug modelling. Cancer research in particular benefits from the applications<\/p>\n<div class=\"read-more\"><a href=\"https:\/\/www.kolabtree.com\/blog\/de\/7-ways-cancer-research-can-benefit-from-big-data\/\" title=\"Mehr lesen\">Mehr lesen<\/a><\/div>","protected":false},"author":32,"featured_media":2906,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":[],"categories":[247],"tags":[119,380,388,390,389],"acf":[],"yoast_head":"<!-- This site is optimized with the Yoast SEO Premium plugin v20.1 (Yoast SEO v20.1) - https:\/\/yoast.com\/wordpress\/plugins\/seo\/ -->\n<title>7 ways cancer research can benefit from big data | Kolabtree Blog<\/title>\n<meta name=\"description\" content=\"Transcriptome analysis, ML modelling and more: 7 ways big data is is helping advance cancer research, diagnosis and treatment.\" \/>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/www.kolabtree.com\/blog\/de\/7-ways-cancer-research-can-benefit-from-big-data\/\" \/>\n<meta property=\"og:locale\" content=\"de_DE\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"7 Ways Cancer Research can Benefit from Big Data\" \/>\n<meta property=\"og:description\" content=\"Transcriptome analysis, ML modelling and more: 7 ways big data is is helping advance cancer research, diagnosis and treatment.\" \/>\n<meta property=\"og:url\" content=\"https:\/\/www.kolabtree.com\/blog\/de\/7-ways-cancer-research-can-benefit-from-big-data\/\" \/>\n<meta property=\"og:site_name\" content=\"The Kolabtree Blog\" \/>\n<meta property=\"article:publisher\" content=\"https:\/\/www.facebook.com\/kolabtree\" \/>\n<meta property=\"article:published_time\" content=\"2018-02-02T05:22:58+00:00\" \/>\n<meta property=\"article:modified_time\" content=\"2018-07-27T13:15:47+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/www.kolabtree.com\/blog\/wp-content\/uploads\/2018\/02\/stem-cell-163711_1280.jpg\" \/>\n\t<meta property=\"og:image:width\" content=\"1280\" \/>\n\t<meta property=\"og:image:height\" content=\"720\" \/>\n\t<meta property=\"og:image:type\" content=\"image\/jpeg\" \/>\n<meta name=\"author\" content=\"Mahasweta Pal\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:creator\" content=\"@kolabtree\" \/>\n<meta name=\"twitter:site\" content=\"@kolabtree\" \/>\n<meta name=\"twitter:label1\" content=\"Verfasst von\" \/>\n\t<meta name=\"twitter:data1\" content=\"Mahasweta Pal\" \/>\n\t<meta name=\"twitter:label2\" content=\"Gesch\u00e4tzte Lesezeit\" \/>\n\t<meta name=\"twitter:data2\" content=\"5\u00a0Minuten\" \/>\n<!-- \/ Yoast SEO Premium plugin. -->","yoast_head_json":{"title":"7 ways cancer research can benefit from big data | Kolabtree Blog","description":"Transcriptome analysis, ML modelling and more: 7 ways big data is is helping advance cancer research, diagnosis and treatment.","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/www.kolabtree.com\/blog\/de\/7-ways-cancer-research-can-benefit-from-big-data\/","og_locale":"de_DE","og_type":"article","og_title":"7 Ways Cancer Research can Benefit from Big Data","og_description":"Transcriptome analysis, ML modelling and more: 7 ways big data is is helping advance cancer research, diagnosis and treatment.","og_url":"https:\/\/www.kolabtree.com\/blog\/de\/7-ways-cancer-research-can-benefit-from-big-data\/","og_site_name":"The Kolabtree Blog","article_publisher":"https:\/\/www.facebook.com\/kolabtree","article_published_time":"2018-02-02T05:22:58+00:00","article_modified_time":"2018-07-27T13:15:47+00:00","og_image":[{"width":1280,"height":720,"url":"https:\/\/www.kolabtree.com\/blog\/wp-content\/uploads\/2018\/02\/stem-cell-163711_1280.jpg","type":"image\/jpeg"}],"author":"Mahasweta Pal","twitter_card":"summary_large_image","twitter_creator":"@kolabtree","twitter_site":"@kolabtree","twitter_misc":{"Verfasst von":"Mahasweta Pal","Gesch\u00e4tzte Lesezeit":"5\u00a0Minuten"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"Article","@id":"https:\/\/www.kolabtree.com\/blog\/it\/7-ways-cancer-research-can-benefit-from-big-data\/#article","isPartOf":{"@id":"https:\/\/www.kolabtree.com\/blog\/it\/7-ways-cancer-research-can-benefit-from-big-data\/"},"author":{"name":"Mahasweta Pal","@id":"https:\/\/www.kolabtree.com\/blog\/#\/schema\/person\/9e27a382e95318cf10b7fe808f31d913"},"headline":"7 Ways Cancer Research can Benefit from Big Data","datePublished":"2018-02-02T05:22:58+00:00","dateModified":"2018-07-27T13:15:47+00:00","mainEntityOfPage":{"@id":"https:\/\/www.kolabtree.com\/blog\/it\/7-ways-cancer-research-can-benefit-from-big-data\/"},"wordCount":1088,"commentCount":0,"publisher":{"@id":"https:\/\/www.kolabtree.com\/blog\/#organization"},"keywords":["Big Data","cancer treatment","gene therapy","healthcare analytics","research without borders"],"articleSection":["Guest posts"],"inLanguage":"de","potentialAction":[{"@type":"CommentAction","name":"Comment","target":["https:\/\/www.kolabtree.com\/blog\/it\/7-ways-cancer-research-can-benefit-from-big-data\/#respond"]}]},{"@type":"WebPage","@id":"https:\/\/www.kolabtree.com\/blog\/it\/7-ways-cancer-research-can-benefit-from-big-data\/","url":"https:\/\/www.kolabtree.com\/blog\/it\/7-ways-cancer-research-can-benefit-from-big-data\/","name":"7 ways cancer research can benefit from big data | Kolabtree Blog","isPartOf":{"@id":"https:\/\/www.kolabtree.com\/blog\/#website"},"datePublished":"2018-02-02T05:22:58+00:00","dateModified":"2018-07-27T13:15:47+00:00","description":"Transcriptome analysis, ML modelling and more: 7 ways big data is is helping advance cancer research, diagnosis and treatment.","breadcrumb":{"@id":"https:\/\/www.kolabtree.com\/blog\/it\/7-ways-cancer-research-can-benefit-from-big-data\/#breadcrumb"},"inLanguage":"de","potentialAction":[{"@type":"ReadAction","target":["https:\/\/www.kolabtree.com\/blog\/it\/7-ways-cancer-research-can-benefit-from-big-data\/"]}]},{"@type":"BreadcrumbList","@id":"https:\/\/www.kolabtree.com\/blog\/it\/7-ways-cancer-research-can-benefit-from-big-data\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Home","item":"https:\/\/www.kolabtree.com\/blog\/"},{"@type":"ListItem","position":2,"name":"7 Ways Cancer Research can Benefit from Big Data"}]},{"@type":"WebSite","@id":"https:\/\/www.kolabtree.com\/blog\/#website","url":"https:\/\/www.kolabtree.com\/blog\/","name":"The Kolabtree Blog","description":"Expert Views on Science, Innovation and Product Development","publisher":{"@id":"https:\/\/www.kolabtree.com\/blog\/#organization"},"potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/www.kolabtree.com\/blog\/?s={search_term_string}"},"query-input":"required name=search_term_string"}],"inLanguage":"de"},{"@type":"Organization","@id":"https:\/\/www.kolabtree.com\/blog\/#organization","name":"Kolabtree","url":"https:\/\/www.kolabtree.com\/blog\/","logo":{"@type":"ImageObject","inLanguage":"de","@id":"https:\/\/www.kolabtree.com\/blog\/#\/schema\/logo\/image\/","url":"","contentUrl":"","caption":"Kolabtree"},"image":{"@id":"https:\/\/www.kolabtree.com\/blog\/#\/schema\/logo\/image\/"},"sameAs":["https:\/\/www.facebook.com\/kolabtree","https:\/\/twitter.com\/kolabtree","https:\/\/instagram.com\/kolabtree","https:\/\/www.linkedin.com\/company\/kolabtree","https:\/\/en.m.wikipedia.org\/wiki\/Kolabtree"]},{"@type":"Person","@id":"https:\/\/www.kolabtree.com\/blog\/#\/schema\/person\/9e27a382e95318cf10b7fe808f31d913","name":"Mahasweta Pal","image":{"@type":"ImageObject","inLanguage":"de","@id":"https:\/\/www.kolabtree.com\/blog\/#\/schema\/person\/image\/","url":"https:\/\/secure.gravatar.com\/avatar\/79ba39c5e6f127656d1177e94efc1946?s=96&d=mm&r=g","contentUrl":"https:\/\/secure.gravatar.com\/avatar\/79ba39c5e6f127656d1177e94efc1946?s=96&d=mm&r=g","caption":"Mahasweta Pal"},"description":"Mahasweta is a freelance medical writer and science communicator, with experience in creating technical documents, blog posts and news articles. She is a biotechnologist at heart with research experience in Tissue Engineering, Medical Imaging Devices and Industrial Microbiology. She majored in Biomedical Engineering from Vellore Institute of Technology and has served as an editor for journal publications from Elsevier, Wolters Kluwer Health and the Royal Society for Chemistry.","url":"https:\/\/www.kolabtree.com\/blog\/de\/author\/mahasweta-pal\/"}]}},"amp_enabled":true,"_links":{"self":[{"href":"https:\/\/www.kolabtree.com\/blog\/de\/wp-json\/wp\/v2\/posts\/2869"}],"collection":[{"href":"https:\/\/www.kolabtree.com\/blog\/de\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.kolabtree.com\/blog\/de\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.kolabtree.com\/blog\/de\/wp-json\/wp\/v2\/users\/32"}],"replies":[{"embeddable":true,"href":"https:\/\/www.kolabtree.com\/blog\/de\/wp-json\/wp\/v2\/comments?post=2869"}],"version-history":[{"count":11,"href":"https:\/\/www.kolabtree.com\/blog\/de\/wp-json\/wp\/v2\/posts\/2869\/revisions"}],"predecessor-version":[{"id":3862,"href":"https:\/\/www.kolabtree.com\/blog\/de\/wp-json\/wp\/v2\/posts\/2869\/revisions\/3862"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.kolabtree.com\/blog\/de\/wp-json\/wp\/v2\/media\/2906"}],"wp:attachment":[{"href":"https:\/\/www.kolabtree.com\/blog\/de\/wp-json\/wp\/v2\/media?parent=2869"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.kolabtree.com\/blog\/de\/wp-json\/wp\/v2\/categories?post=2869"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.kolabtree.com\/blog\/de\/wp-json\/wp\/v2\/tags?post=2869"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}