DFF-bevillinger booster 11 forskningsprojekter på Det Naturvidenskabelige Fakultet

Bevillinger

DFF-bevillinger booster 11 forskningsprojekter på Det Naturvidenskabelige Fakultet

Ti forskere fra Det Naturvidenskabelige Fakultet modtager støtte fra Danmarks Frie Forskningsfond til 11 projekter.

Den frie forskning DFF-Forskningsprojekt1, også kendt som FP1, støtter den frie, forskerinitierede forskning på tværs af alle videnskabelige hovedområder.

Formålet med DFF-Forskningsprojekt1 er at fremme kvaliteten af dansk forskning. Alle ansøgninger er blevet bedømt af et af fondens fem faglige råd, og de 192 udvalgte projekter er kendetegnet ved et højt fagligt niveau af international kvalitet.

De 11 bevillinger til forskere fra Det Naturvidenskabelige Fakultet er:

Jacob Kongsted, professor, Institut for Fysik, Kemi og Farmaci: 3.121.920 kr. til projektet Has the time come to realize quantum computing for transition metal complexes?

Kvantecomputere forventes at revolutionere beregningsvidenskaberne ved at skabe helt nye metoder, der muliggør beregninger på komplekse systemer, som i dag er udenfor rækkevidde med konventionelle beregningsmetoder. Beregningskvantekemi er et område, der især kan drage fordel af kvantecomputere, og flere nyere studier har allerede løftet sløret for det potentiale, som kvantecomputere bringer til kemi.

Før kvantecomputere fuldt ud kan integreres med kvantekemi, skal flere udfordringer overvindes. I dette forskningsprojekt vil vi udvikle og validere de nødvendige kvantealgoritmer så de kan anvendes for såkaldte overgangsmetalkomplekser. Konventionelle beregnignsmetoder kommer ofte til kort for denne type komplekser, og da komplekserne kan relateres direkte til metalloenzymers aktivitet, står vi ofte uden teoretiske metoder for denne type enzymer, der ellers spiller en afgørende rolle i mange aspekter af biokemi.

Vi vil især undersøge det udfordrende tilfælde bestående af en Cu2O2-enhed, som er blevet karakteriseret i metalloproteiner, der udfører vitale funktioner i O2-respirationsprocesser. Pga. Cu2O2-kernens komplicerede elektronstruktur er den blevet beskrevet som "tortur" for teoretiske modeller. Kvantecomputere kan forhåbentlig bringe torturen til ophør, og vores udvikling vil bringe brugen af kvantecomputere til biouorganisk kemi, og eksplicit vise, hvordan kvantecomputere kan bruges til at overvinde velkendte udfordringer indenfor klassiske kvantekemimetoder.

Jacopo Mauro, professor, Institut for Matematik og Datalogi. 3.159.360 kr. til projektet Parallel Portfolio of Parallel Solvers (P3).

Et berømt citat tilskrevet Aristoteles siger, at "helheden er større end summen af de enkelte dele". Denne kendsgerning kan udnyttes ved løsning af komplekse optimeringsproblemer, som fx planlægning af sygeplejerskevagthold, beregning af den bedste rute til levering af pakker, eller kvalitetskontrol af produkter.

Takket være den "no free lunch theorem", ved vi nu, at der ikke findes nogen perfekt solver, der kan løse denne slags problemer, og at det er svært og tidskrævende at finde gode løsninger, selv når man bruger de hurtigste computere i verden. I dette projekt studeres, hvordan en portefølje af eksisterende solvers ("delene") kan kombineres til en Portfolio Solver ("hele").

Portfolio Solveren bliver globalt hurtigere og bedre ved at benytte de solvers, den består af. Dermed når den en "helhed", der er større end summen af dens dele. Vi vil designe en ny Portfolio Solver, sådan at den let kan trænes, bruges og implementeres. Derudover vil vi undersøge, hvordan man bedre kan kombinere parallelle solvere for at løse optimeringsproblemerne hurtigere og med færre ressourcer.

Birgitte Kallipolitis, professor, Institut for Biokemi og Molekylær Biologi. 3.165.120 kr. til projektet Switching from a harmless saprophyte to a human pathogen: Uncovering the adaptation strategies of Listeria to omega-3 and -6 fatty acids.

Tarmpatogene bakterier bliver eksponeret for forskellige fødevarekomponenter i vores tarmmiljø, herunder omega-3 og -6 fedtsyrer. Vi har for nylig opdaget, at omega-3 og -6 fedtsyrer fungerer som signalmolekyler, der opfanges af den sygdomsfremkaldende bakterie Listeria monocytogenes. Vi tænker, at omega-3 og -6 fedtsyrer signalerer til Listeria, hvordan bakterien skal tilpasse sig tarmmiljøet og etablere en infektion.

I projektet vil vi undersøge, hvordan Listeria opfanger signalerne og justerer de genregulatoriske netværk, der styrer Listeria´s hurtige skift fra livet som jordbakterie til sygdomsfremkaldende tarmpatogen. Vi vil anvende en kombination af transposon sekventering, transkriptomanalyser, lipidomanalyser og infektionsstudier, for at afsløre hvordan Listeria sanser og reagerer på omega-3 og -6 fedtsyrer. En bedre forståelse for disse mekanismer forventes at hjælpe os med at udvikle nye strategier til forebyggelse af tarmpatogene infektioner i fremtiden.

Kim Skak Larsen, professor, Institut for Matamatik og Datalgi. 720,000 kr. til projektet Trade-Offs for Algorithms Facing Uncertainty.

Når man bestiller pladsbilletter hos DSB, får man pladsnummeret oplyst med det samme. Fordi algoritmen, DSB bruger, ikke kender alle forespørgsler, før den begynder at tage beslutninger, vil DSB tit sælge færre pladsbilleter, end hvis de havde hele overblikket. Algoritmer, som tager beslutninger uden at kende fremtidige forespørsler, kaldes online-algoritmer.

Forbedrede online-algoritmer kan lede til effektiviseringer inden for f.eks. transportplanlægning, containerpakning, skedulering og bemandingsopgaver. Sådanne forbedringer kan ofte opnås ved at skaffe sig partiel viden om input, på forhånd eller undervejs. Nogle gange har man statistik fra tidligere input-instanser, og andre gange kan man foretage forudsigelser om input ved hjælp af maskinlæring. Det gælder da om at balancere hensynet til at klare sig godt i typiske situationer med hensynet til ikke at klare sig alt for dårligt i mere sjældne situationer. Der kan også være scenarier, hvor enkelte beslutninger senere kan omgøres. Dette kan være forbundet med en omkostning, som afhænger af antallet eller typen af ændringer.

I projektet vil vi studere og designe algoritmer til online problemstillinger, hvor vi således justerer nogle af de sædvanlige begrænsninger for online-algoritmer. Arbejdet vil blive udført af fire forskere ved Syddansk Universitet i samarbejde med flere internationale førende forskere, som gruppen har tætte bånd til.

Carolin Löscher, lektor, Biologisk Institut. 3.168.000 kr. til projektet Who likes it dark and cold?Exploring unknown mechanisms of carbon fixation under the ice sheet during the polar night.

Vi opdagede tidligere en biologisk kulstoffikseringsproces, der foregår i det mørke, isdækkede vand i Grønlandske Hav. Biologisk kulstoffiksering bidrager til at regulere atmosfæriske kuldioxidkoncentrationer i atmosfæren og er derfor en kritisk proces i tider med hurtige klimaændringer.

Klassisk antages kulstoffiksering at finde sted ved lysdrevet fotosyntese. Vores foreløbige data viser en sats, der kan være relevant, men mangler en grundig vurdering over et større område og længere tidsrammer. Vi vil derfor kvantificere denne proces, som vi kalder mørk, kold kulstoffiksering, under to dedikerede ekspeditioner til grønlandske farvande, identificere de vigtigste organismer, der driver den, og teste dens følsomhed over for klimaændringer for at forstå dette ukendte, men muligvis vigtige, udtryk for kulstofoptagelse i disse farvande.

Rasmus Siersbæk, lektor, Institut for Biokemi og Molekylær Biologi. 3.166.560 kr. til projektet Transcriptional cooperativity between distinct MYC complexes.

Transskription er processen, hvor den genetiske information i vores DNA aflæses. Denne proces spiller derfor en afgørende rolle for at bestemme funktionen af en celle, og fejl i reguleringen af transskriptionsprocessen ligger derfor ofte til grund for udviklingen af mange sygdomme. Transskriptionen af vores gener er derfor meget præcist reguleret af hundredvis af specialiserede proteiner kaldet transskriptionsfaktorer og co-regulatorer.

I dette projekt vil vi undersøge, hvordan forskellige co-regulatorer, der rekrutteres af transskriptionsfaktoren MYC, arbejder sammen for at styre udtrykket af vores gener, så det passer til cellens behov. Projektet vil anvende genetiske værktøjer til at lave cellemodeller, der udtrykker MYC-mutanter, der ikke kan arbejde sammen med specifikke co-regulatorer. Disse MYC-mutanter gør os i stand til at adskille MYC's rekruttering af forskellige co-regulatorer og derved undersøge, hvordan de supplerer hinanden for at regulere genudtrykket i cellen.

Vi vil bruge DNA sekventeringsmetoder til at undersøge, hvordan disse forskellige MYC-mutanter arbejder sammen om at aktivere vigtige regulatoriske regioner i genomet. Vi vil også undersøge, hvordan disse MYC-mutanter regulerer foldningen af cellens DNA i 3D, hvilket spiller en vigtig rolle i reguleringen af genudtrykket. Samlet set vil dette projekt hjælpe os til at forstå de basale mekanismer, der styrer aktiviteten af vores gener og derved cellens funktion og sundhed.

Rasmus Siersbæk, lektor, Institut for Biokemi og Molekylær Biologi. 3.157.920 kr. til projektet Cooperativity between chromatin remodeling complexes driving breast cancer.

Triple-negativ brystkræft er en særlig aggressiv form for brystkræft med begrænsede behandlingsmuligheder. I dette projekt vil vi undersøge, hvordan to proteinkomplekser kaldet CHD7 og SWI/SNF arbejder sammen om at fremme udviklingen af denne sygdom. Både CHD7 og SWI/SNF spiller vigtige roller i de processer, der regulerer tilgængeligheden af generne i vores DNA.

Disse processer er ændret i kræftceller, så de kan aktivere nogle gener, der ikke ellers er udtrykt, hvilket er med til at give kræftcellerne deres særlige evne til at vokse og sprede sig i kroppen. Vores foreløbige studier tyder på, at CHD7 og SWI/SNF er vigtige for dette i triple-negativ brystkræft. For at undersøge dette nærmere, vil vi udvikle nye cellemodeller vha CRISPR-Cas9 genredigering og bruge avancerede DNA- og protein-analyser til at undersøge, hvordan CHD7 og SWI/SNF arbejder sammen om at aktivere de gener, der fremmer triple-negative brystkræftcellers vækst og spredning. Vi vil validere vores observationer i mini-kræftknuder, der er etableret fra bortopererede kræftknuder fra patienter.

Dette projekt vil derfor give vigtig ny viden om, hvordan forskellige proteinkomplekser arbejder sammen for at gøre specifikke dele af vores DNA tilgængelige for kræftceller. Derudover vil det potentielt give en ny strategi for behandling af triple-negativ brystkræft, som involverer en dobbelt-behandling, der rammer både CHD7 og SWI/SNF.

Nils J.Færgeman, professor, Institut for Biokemi og Molekylær Biologi. 3.168.000 kr. til projektet Resolving Cell-Type-Specific Metabolic Landscapes of Insulin Resistance.

Cellulær biologi sker i mange dimensioner, men når vi undersøger kemiske processer i komplekse levende prøver, overser vi ofte den cellulære heterogenitet i det samme organ eller væv. Nye sekventeringsteknologier inkl. enkeltcellet RNA-sekventering gør det muligt for os at studere enkeltcellers genetiske mangfoldighed og plasticitet.

Da funktionaliteten af individuelle celler er påvirket af det omkringliggende mikromiljø, sigter vi ikke kun på at forstå de genetiske forskelle mellem celler, men også hvordan de er metabolisk forskellige, og hvordan de kan påvirke hinanden. I dette studie vil vi kombinere billeddannende-massespektrometri med isotop-tracing for præcist at belyse celletypespecifikke forstyrrelser i central kulstof- og nitrogenmetabolisme i overvægtige og insulinresistente væv i eksperimentelle dyremodeller og i mennesker.

Vores resultater vil hjælpe os med at forstå, hvordan individuelle celler opretholder deres indre balance i deres miljø, hvilket væsentligt forbedrer vores forståelse af, hvordan metaboliske sygdomme udvikler sig. Vi vil efterfølgende forstå de indviklede mekanismer, der styrer fysiologien og få en dybere forståelse af patogenesen af metaboliske sygdomme.

Owen Jones, lektor, Biologisk Institut. 2.199.902 kr. til projektet Drivers of individual variation in woodland phenology in the face of climate change.

År-til-år variationen i timingen af knopspring/blomstring er klare beviser på klimaets indvirkning på biologiske begivenheder: Varmere forår bringer tidligere blomstring. En gåtur i skoven om foråret vil afsløre variation i denne timing på tværs af arter og blandt individer af samme art.

Ved at studere variationen af disse tidspunkter blandt individer af 4 arter på steder hen over en afstand af 1000km i Danmark og Sverige, vil vi afkode drivkræfterne bag denne variation og forstå, hvordan variationen oversættes til modstandsdygtighed i mødet med fremtidige klimaændringer. Med hjælp fra droner og AI-assisteret billedanalyse, kombineret med "muddy boots" feltarbejde og genetisk detektivarbejde, vil vi besvare nøglespørgsmål som: Hvor meget af variationen skyldes lokale miljøforhold versus genetiske faktorer? Er der klare breddegradsmæssige tendenser? Hvordan er timingen i træer og nærliggende urter relateret? Hvordan er forårstiming relateret til efterårstiming? Hvorfor er dette vigtigt? Fordi i arters livscyklusser betyder timing alt: Den rigtige timing betyder overlevelse og velstand, mens den forkerte timing fører til mismatch med gode forhold og en kamp for overlevelse.

Ved at forstå mønstrene af variation i timingen af begivenheder, vil vi forudsige, hvordan skovene vil klare sig i en varmere verden. Mere bredt vil vores indsigter forbedre vores forståelse af klimas biologiske indvirkning og de mekanismer, der besteemmer modstandsdygtighed under nye klimaregimer.

Jens S. Andersen, professor, Institut for Biokemi og Molekylær Biologi. 3.168.000 kr. til projektet Structure-function analysis of protein complexes associated with centriolar satellites by in-cell proximity labeling and AlphaFold structure prediction strategies.

Med nye artificielle intelligens programmer kan strukturer af proteiner nu forudsige ud fra deres aminosyresekvenser med stor nøjagtighed. Det har åbnet dørene for nye strategier til at undersøge hvordan proteiner arbejder sammen i komplekser inden i cellen og dermed til en forståelse af deres funktion og sygdomssammenhæng.

Vi vil udnytte disse nye muligheder sammen med metoder som målrettet kan mærke proteiner med biotin i levende celler, hvilket herefter gør det muligt at oprense og identificere nye protein komplekser. Vi vil anvende disse metoder til at undersøge komplekser associeret med centriolære satellitter omkring centrosomer og cilier og hvordan disse komplekser via tubulin modifikationer kan ændre egenskaberne af de mikrotubuli-strukturer som udgør fundamentet af centrosomer og cilier og hvortil mange andre proteiner binder. Fejl i disse komplekser afspejler deres vigtige funktioner i celledeling, udvikling af organer og hjernen, og for vores syn og hørelse.

Melih Kandemir, lektor, Institut for Matamatik og Datalogi. 3.162.240 kr. til projektet PAC Bayesian Offline Reinforcement Learning.

Avanceret kunstig intelligens har udmærket sig ved at kommunikere med os i naturligt sprog, generere syntetiske billeder i høj opløsning ud fra skrevne beskrivelser og overgå mennesker i udfordrende computer- og brætspil. Men på trods af disse fremskridt har det endnu ikke revolutioneret robotteknologien, i det omfang som man kan forvente. Dette er tydeligt i den forsinkede opnåelse af fuld autonomi i selvkørende køretøjer og det fuldstændige fravær af autonomi i behændige manipulationsopgaver, såsom robotkirurgi.

Det bedste værktøj, som kunstig intelligens tilbyder til løsning af optimale kontrolopgaver, er reinforcement learning, hvor en agent trænes via et belønningssignal, som den observerer under interaktion med et målmiljø. Den primære barriere, der væsentligt begrænser anvendeligheden af reinforcement learning til problemer i den virkelige verden, er at eksisterende algoritmer er afhængige af mange runder af trial-and-error, der skal udføres på målmiljøet, hvilket ofte er dyrt og nogle gange farligt. Dette projekt har til formål at løse denne udfordring ved at udvikle teoretiske rammer, udlede algoritmiske principper og teste prototyper, som gør det muligt at løse reinforcement learning problemer, udelukkende ved at bruge data som er indsamlet på forhånd. Ved at gøre dette kan vi gøre kunstig intelligens mere anvendelig i robotapplikationer og fremme udviklingen af nye automatiseringsteknologier, der forbedrer vores livskvalitet.

Tilbage til listen

Del siden på

FacebookTwitterLinkedinEmail