• Frank Møller Aarestrup

    Professor, DTU Fødevareinstituttet, Forskningsgruppen for Genetisk Epidemiologi

    Min forskning har primært været rettet mod sammenhænge mellem anvendelse af antibiotika til dyr og de sundhedsmæssige konsekvenser, det har for sundhed for mennesker. 
    Forskningen er i stigende grad rettet mod globale problemstillinger med påvisning af global spredning af resistente bakterier og resistensgener i forbindelse med rejser og international handel med fødevarer. Den udførte og igangværende forskning er med til at sætte den internationale standard for påvisning, global overvågning og studier af global spredning af antibiotikaresistente bakterier og har stor indflydelse på, hvordan man anvender antibiotika og kontrollerer antibiotikaresistente bakterier verden over. 
    Det globale fokus viser sig også i, at den videnskabelige produktion er udført i samarbejder med over 80 forskningsinstitutioner eller universiteter i over 35 forskellige lande. Forskningen har også bevirket, at DTU Fødevareinstituttet er referencecenter for både Verdenssundhedsorganisationen WHO og EU-kommissionen inden for antibiotikaresistens hos bakterier fra dyr og fødevarer. 

    Speaker til følgende sessioner
    • 09:25 - 09:50 Whole Genome Sequencing and big data
      Hvad er big data? Det er et IT-begreb som ikke hare en dansk oversættelse og anvendes ofte i flæng til en løs beskrivelse af indsamling, opbevaring og analyse af data som er så store og/eller komplekse at de ikke kan håndteres og forstås direkte.
      Helgenomsekventering og anvendelse deraf er et eksempel på big data. Et bakteriegenom er typisk mellem 2-5 millioner basepar og hvis man skal analyse den sekvens og specielt sammenligne flere isolater kræver det specielle IT-løsninger og IT-kompetencer. Endnu mere kompleks kan det blive hvis man gerne vil analyse en fæcesprøve direkte. Her er der måske adskillige tusinde forskellige bakterier og analyserne bliver tilsvarende komplekse. Hvis man så gerne vil sammenholde forskelige epidemiologiske forklarende variable med sådanne data kan det blive endog meget store og komplekse data der skal håndteres.
      Jeg vil give eksempler på hvorledes vi anvender ”big data” til forbedret overvågning af infektionssygdomme (antibiotikaresistens, SARS-CoV-2, dyresygdomme) i hele verden, samt til identifikation af de forhold (drivers) som er mest betydningsfulde for forekomst og spredning heraf. 
       
Cookies policy