Doktoriõppe esimene vastuvõtt

Juhendajad: Angela Ivask, Elin Org

Järjepidevalt kasvab vajadus ja huvi uute antimikroobsete ainete, eriti mitteantibiootiliste antimikroobsete ainete kasutamise. Üks suurimaid probleemkohti on mikroobsete nakkuste levik meditsiiniasutustes ning ühiskasutatavates ruumides, kus puute teel levivate mikroobide leviku vastu võiksid aidata antimikroobsete omadustega puutepinnad. Selliseid pindu ongi edukalt disainitud ning selliseid on ka reaalelukasutuses, kuid nende tõhususe testimine piirdub enamasti piiratud bakteritüvede ja tingimustega, mis sageli ei vasta lõplikule reaalelukasutusele. Selle doktoritöö eesmärk on tuvastada puutepindadel (nt hõbedat, vaske, kvaternaarseid ammooniumühendeid sisaldavad pinnad, reaktiivseid hapnikuradikaale tootvad pinnad) püsima jäävad võtmemikroobide rühmad ning uurida, kuidas muutub nende rühmade tasakaal antimikroobsetel pindadel või pindade antimikroobse töötluse järgselt. Selleks optimeeritakse metoodika pindadelt kogutud proovidest RNA erldamiseks ning selle alusel 16S rRNA sekveneerimiseks. Tulemusi võrreldakse 16S rDNA sekveneerimistulemustega eristamaks aktiivseid ja mitteaktiivseid, sh surnud mikroobe. Informatsiooni alusel pindadel leiduvate mikroobirühmade kohta pannakse kokku ka kunstlik mikroobide kooslus ja uuritakse selle struktuuri muutusi peale antimikroobset töötlust või peale antimikroobse pinnaga kokkupuudet. Võib eeldada, et sarnaselt antibiootikumide kasutamise järgselt kujunevale resistentsusele võivad ka mitte-antibiootilised antimikroobsed ühendid selekteerida populatsioonis tolerantsuse või resistentsuse geene. Selle uurimiseks kasutatakse doktoritöös pinnakoosluste metagenoomilist analüüsi, et tuvastada ja analüüsida nende selliste geenide sagedust puutepindade mikroobikooslustes. Loodetakse selgitada välja erinevused tolerantsuse ja resistentsusgeenide esinemises antimikroobsete pindade mikroobipopulatsioonides võrreldes antimikroobset mõju mitteomava puutepinnaga.

Juhendajad: Asad Munir, Sulev Reisberg, Bernadette Stolz (Max-Planck Gesellschaft zur Förderung der Wissenschaften e.V), Tobias Heimann (Siemens Healthineers AG)

Selles doktoriprojektis arendatakse meetodeid, et viia elektroonilistes terviselugudes
olevad ebakorrapärased ja varieeruva kvaliteediga patsiendi tervise kohta tehtud
mõõtmised masinõppes kasutatavale esituskujudele. Esiteks luuakse erinevaid
numbrilisi ja ajalisi esitusviise alates lihtsatest skalaartokenitest kuni vektorite ja
ajaakna põhiste kokkuvõteteni ning hinnatakse, kui hästi need meditsiinilist infot
säilitavad. Järgmisena keskendub projekt mõõtmiste ajas muutumisele. Treenitakse
mudeleid, mis tulevad toime ebaregulaarsete, puuduvate ja varieevuva kvaliteediga
andmetega. Lõpuks integreeritakse need kujutused transformeripõhistesse
mudelitesse ning peenhäälestatakse patsiendi pikemate tervisesündmuste jadade peal,
et ennustada tuleviku kliinilisi tulemusi. Lõpuks võrreldakse omavahel ennustuste
täpsust toorandmete, mitteajalisete esitusviiside ja täielikult integreeritud mudeli
vahel.