2022

2021

2019

2018

2017

2016

2015

2014

2013

2012

2010

2009

2008

2007

2006

Portefølje Naturvitenskap og teknologi ikon

The research system

Portefølje Humaniora og samfunnsvitenskap ikon

Ground-breaking research

Portefølje Samisk ikon

Sámi society and culture

Portefølje Demokrati, styring og fornyelse ikon

Democracy and global development

Portefølje Velferd, kultur og samfunn ikon

Welfare, culture and society

Portefølje Helse ikon

Health

Portefølje Klima- og polarforskning ikon

Climate and environment

Portefølje Landbasert mat, miljø og bioressurser ikon

Land-based food, the environment and bioresources

Portefølje Energi, transport og lavutslipp ikon

Energy and transport

Portefølje Muliggjørende teknologier ikon

Enabling technologies

Portefølje Industri og tjenestenæringer ikon

Innovation

LTP Climate, environment and environmentally friendly energy

Climate and loss of natural diversity

Internationalization

Societal security and civil preparedness

Renewal in the public sector

Velferdstjenester

Frontpage Image

Marine icon

Petroleum og mineraler

LTP Hav ikon

Oceans and coastal areas

LTP2 Muliggjørende og industrielle teknologier ikon

Enabling and industrial technologies

Trust and community

Professional environment

High quality and accessibility

LTP Climate

Strengthened competitiveness and innovation capacity

LPT Health

 An innovative business community

LTP3 Helse

Portefolje Petroleum Ikon

Portefølje Hav ikon

Portefølje Utdanning og kompetanse ikon

Portefølje Global utvikling og internasjonale relasjoner ikon

Portefølje Livsvitenskap ikon

LTP2 Styrket konkurransekraft og innovasjonsevne ikon

LTP2 Utvikle fagmiljøer av fremragende kvalitet

LTP2 Samfunnssikkerhet og samhørighet ikon

LTP2 Fornyelse i offentlig sektor ikon

LTP2 Klima, miljø og miljøvennlig energi ikon

Forsidebilde optimalisert

project-bank-technical

Et innovativt næringsliv ikon

Muliggjørende teknologier bakgrunn

Marin bakgrunnsbilde

Marin ikon

Forsidebilde

Statistics

Prosjektbanken presenterer statistikk og informasjon om prosjekter med finansiering fra Forskningsrådet fra 2004. Statistikken er fordelt på blant annet tema, år, geografi og organisasjon. Prosjektbanken gir også detaljert informasjon om de enkelte prosjektene.

...or see the summary and other information about the projects you have selected

Portfolios

En god beskrivelse av denne siden for søkemotoroptimalisering

Forside

How the grants are distributed between organisations, counties, subject areas etc....

Here are some examples of searches you can perform in the Project Databank

All long term plan objectives

About Text Queries

No thematic area or topic related to the project

has received funding in the programme period

No popular science description is available

have received funding in the programme period

The project with project number {{project number}} was not found

Technical description

Woops, something went wrong. Please refresh the page. If the error persists, please contact us.

We could not find what you were looking for

See statistics related to this LTP objective

See projects related to this LTP objective

related to this LTP objective have received grants

has been granted to projects related to this LTP objective

has been granted to projects related to this portfolio

related to this portfolio have received grants

About Prosjektbanken

Kunnskapsdepartement

Ukjent

Nærings- og fiskerid

Diverse

Landbruks- og matdep

Energidepartementet

Klima- og miljødepar

Utenriksdepartemente

Samfunnsvitenskap

Landbruks- og fiskerifag

Teknologi

Humaniora

Annet

Matematikk og naturvitenskap

Troms - Romsa - Tromssa

Vestland

LTP3 Styrket konkurransekraft og innovasjonsevne

LTP3 Et kunnskapsintensivt næringsliv i hele landet

LTP3 Grunnbevilgninger og institusjonell støtte

LTP3 Høy kvalitet og tilgjengelighet

LTP3 Fagmiljøer og talenter

LTP3 Rettede internasjonaliseringstiltak

LTP3 Hav og kyst

LTP3 Marine bioressurser og havforvaltning

LTP3 Klima, miljø og energi

LTP3 Klima, polar og miljø

LTP3 Muliggjørende og industrielle teknologier

LTP3 Nano-, bioteknologi og teknologikonvergens

LTP3 Tillit og fellesskap

LTP3 Kultur, sivilsamfunn og medienes rolle

LTP3 Utenforskap, inkludering, kulturmøter og migrasjon

LTP3 Samfunnssikkerhet og beredskap

LTP3 Global utvikling, ulikhet, og demokratibygging

LTP3 Samfunnsikkerhet, sårbarhet og konflikt

Instituttsektor

Portefølje Forskningssystemet

Portefølje Mat og bioressurser

Portefølje Banebrytende forskning

Portefølje Muliggjørende teknologier

Portefølje Velferd og utdanning

Portefølje Innovasjon

Portefølje Demokrati og global utvikling

Programmer

Diverse FoU-relaterte aktiviteter

Nettverkstiltak

Infrastruktur og institusjonelle tiltak

Storbritannia

Sveits

Forskerprosjekt

Koordinerings- og støtteaktivitet

Annen prosjektstøtte (t.o.m. 2014)

Annen støtte (t.o.m. 2019)

Grunnbevilgninger

Politikk- og forvaltningsområder

Kultur

Internasjonalisering

Globale utfordringer

Bransjer og næringer

Anvendt forskning

Etiske, juridiske og samfunnsmessige aspekter

Bioteknologi

Grunnforskning

Naturmangfold og miljø

Marin

Nordområdene

Målet for FUSE er å utvikle kunnskap og metoder for energieffektive og trygge skipsoperasjoner ved å kombinere KI og skips hydrodynamikk som muliggjør raske utslippsreduksjoner fra den globale flåten gjennom neste generasjons ruteoptimalisering.


Hovedideen er å utvikle metoder for mer nøyaktige numeriske modeller for skipsytelse, inkludert både energi- og bevegelsesegenskaper, ved å bruke kunstig intelligens i kombinasjon med klassisk hydrodynamikk. Tradisjonelle hydrodynamiske modeller er basert på grunnprinsipper og reflekterer fysiske lover. Kunstig intelligens kan trenes på operasjonelle data til å finne nye sammenhenger i dataene utover det man vet fra fysikkens lover. Begge tilnærmingene har sine fordeler og ulemper, og vi tar sikte på å kombinere det beste fra begge tilnærmingene og utvikle hybridmodeller. 
Potensielle effekter av de nye skipsmodellene vil evalueres gjennom bruk i ruteplanlegging.

Som utgangspunkt vil vi samle brukerkrav fra industripartnerne med fokus på to utvalgte brukstilfeller; deep sea og fergedrift. Forskningsaktivitetene vil dekke dataanalyse, KI og skipshydrodynamikk og reiseoptimalisering og beslutningsstøtte. Relevante forskningstemaer innebærer å sammenligne de ulike tilnærmingene for å estimere skipsytelse, vurdere nøyaktighet og gyldig bruk av modellene og evaluering av modellenes sensitivitet og anvendelighet. Til slutt vil den potensielle effekten av å bruke hybridmodeller i reiseoptimalisering bli undersøkt og demonstrert. En ph.d.-kandidat vil bli utdannet fra NTNU med fokus på å fusjonere KI med skipshydrodynamikk. 

Prosjektpartnerne er SINTEF Ocean, SINTEF Ålesund, NTNU, Torghatten, Vard Electro, NAVTOR og G2 Ocean.

The FUSE vision is to rapidly reduce emissions from the global fleet by unlocking the full potential of operational data through fusing AI and ship hydrodynamics for next generation voyage optimization. The main idea is to develop theoretical approaches and methodology utilizing the potential of using AI in combination with classical hydrodynamics to develop more accurate numerical models for ship performance, including both energy and motion characteristics. Traditional hydrodynamic models are based on first-principle, reflecting physical laws. AI-based models which uses operational data are used to establish a statistical relationship between inputs and outputs. Both approaches have their pros and cons, and we aim to fuse the best of both approaches and develop hybrid models as input to voyage planning and onboard decision support systems.  As a starting point, we will gather user requirements from the industrial partners focusing on two selected use cases; deepsea and ferry operations. The industry partners will be involved during the whole project period ensuring that the competence and results can be exploited into their product and services. The industry partners will contribute with operational data from their ships as research data. 

The research activities will cover data analytics, AI and ship hydrodynamics and voyage optimization and decision support. Research partners are SINTEF Ocean, SINTEF Ålesund, and NTNU. A PhD candidate will be educated from the NTNU with supervisors from Marine Technology and Engineering Cybernetics with focus on fusing AI with ship hydrodynamics. Relevant research topics involve comparing the different approaches for estimating ship performance, considering accuracies and valid usage of the models and evaluation of sensitivity and applicability of the models. Finally, the potential impact of using hybrid models in voyage optimization will be investigated and demonstrated.

Fusing AI and Ship Hydrodynamics for Next-Gen Voyage Optimization

Ettersom flere mennesker lever lenger, trenger vi flere helsetjenester, spesielt for akutte helseproblemer. Dette legger mye press på helsesystemet vårt, som inkluderer hjemmeomsorg, sykehjem, lokale klinikker og sykehus. For å sikre at vi kan ta vare på alle i fremtiden, må vi finne måter å hjelpe eldre mennesker med å holde seg sunne og unngå å trenge mye omsorg.
PAI-prosjektet jobber med dette problemet. Prosjektet bruker kunstig intelligens (KI) for å forutsi hvilken type omsorg eldre mennesker kan trenge ved å se på helsedata. Ved å oppdage helseproblemer tidlig, kan vi ta skritt for å forhindre at de blir verre. Dette kan bety at vi forhindrer fall i sykehjem eller endrer en persons medisinering på deres lokale klinikk. Dette bidrar til å unngå sykehusopphold, som kan være dyre og stressende.
Imidlertid er det vanskelig å forutsi helsebehov fordi dataene vi har kan variere mye. Det kan være forskjellig avhengig av hvor personen bor, og hvilke helseproblemer de har. For å håndtere dette, jobber PAI-prosjektet med mennesker som mottar omsorg og helsearbeidere for å utvikle KI-verktøy. Prosjektet tester disse verktøyene i virkelige situasjoner i Spania, Sverige og Norge.
Prosjektet bruker en blanding av metoder for å samle inn og analysere data. Dette inkluderer både tall (kvantitative data) og folks erfaringer og meninger (kvalitative data). Målet er å hjelpe eldre mennesker ved å gi dem riktig omsorg til rett tid, forhindre at skader og sykdommer blir verre. Det hjelper også helsearbeidere ved å sørge for at ressursene brukes effektivt og skaper et godt arbeidsmiljø. Løsningene de finner kan brukes på mange forskjellige steder.

As the population ages, the demand for healthcare services increases, including acute care. This puts a strain on healthcare resources, making efficient care management crucial at all levels - home, nursing homes, primary care, and hospitals.
The PAI project aims to address this challenge by using artificial intelligence (AI) to predict the care needs of older individuals. By analyzing patient monitoring data, the project can detect early signs of health or functional decline. This allows for preventive measures to be taken, reducing the need for costly acute care and aftercare. For example, hospitalizations can be prevented by avoiding falls in nursing homes or adjusting medication in primary care.
However, predicting the care needs of older patients is not straightforward. It involves dealing with varying data availability, quality, and potential interventions across different care levels and diagnoses. To tackle this, the PAI project uses a design science approach and a multiple case study design. It develops analytics in collaboration with care recipients and healthcare practitioners and implements them in real-life settings in Spain, Sweden, and Norway.
The project uses a mixed-methods strategy for data collection and analysis, combining quantitative and qualitative elements. This includes the thematic interpretative analysis of meeting notes, interviews, and observations, as well as the statistical longitudinal trend analysis of Key Performance Indicators in the respective healthcare systems.
The benefits of the PAI project are twofold. Older individuals receive adequate early care, preventing injuries and the worsening of diseases. Healthcare staff can use their resources more effectively, creating a sustainable and satisfying work environment. The outcomes of the project are scalable and can be applied in various contexts, making it a valuable contribution to the future of European healthcare.

Predicting Care Needs of Older Adults in the Healthcare System through AI-enabled Analysis of Patient-Monitoring Data

Novel vaccine platform for animal health

Achieving effective reduction in greenhouse emissions necessitates both preventing resource depletion and offering sustainable solutions to meet the increasing demand for energy. The technology developed in the NEXPECH2 project effectively addresses the above-mentioned challenges by using solar energy to convert water to green hydrogen (H2) under standard atmospheric temperature and pressure. Green hydrogen is a clean, sustainable chemical fuel that can be stored on a large scale for a long time and used to replace fossil fuels as a means of energy storage, transportation fuel, and feedstock. The NEXPECH2 ultimate goal is to deliver green H2 on a prototype lab-scale via development of a innovative photoelectrochemical (PEC) system for maximized solar light harvesting and efficient solar conversion to H2. The project will develop a low-cost compact device with an objective of reaching 10% solar-to-fuel efficiency and <10% degradation over 200 h operation.

Next generation photoelectrochemical cell for hydrogen generation (NEXPECH2)

Limb wounds in horses are common, however healing is exceedingly slow and fraught with complications. Contrary to body wounds, limb wounds demonstrate only a small amount of wound contraction. The specialist procedure of applying split-thickness skin grafts to limb wounds stimulates wound contraction by unknown mechanisms. The objective of this project is to identify those mechanisms to develop a treatment strategy for equine limb wounds for use in general  practice. Limb wounds are severely impacting animal welfare due to an extended healing/treatment duration, and the risk of euthanasia due to a poor functional outcome. By stimulating wound contraction, healing time will be reduced, and the functional outcome improved, directly benefitting the welfare of wounded horse and reducing treatment cost for the owner. Aim: To identify dermal components stimulating wound contraction, and to develop this knowledge into future state-of-the-art treatment of equine limb wounds for use in general practice. Hypotheses: i) Application of dermal fractions to collagen gels seeded with equine fibroblasts will increase gel contraction in vitro; ii) Application of dermal fractions to experimental limb wounds in vivo, will increase wound contraction resulting in a faster healing time versus wounds treated by conventional methods. Methods: i) The contractile effect of different dermal components will be assessed in a collagen gel/ fibroblast model; ii) Identified dermal components will be tested in a standardized experimental limb wound model in vivo (n=5). Ultimately, results from this project are expected to improve wound treatment in horses, directly impacting animal welfare by reducing healing time and improving the functional outcome of wounded horses. This will also directly benefit horse owners and caretakers and making veterinarians able to offer better treatment solutions.

HESTEFORSK - Raskere og bedre sårheling hos hest med autologe hudkomponenter

Studie skal basere seg på «caser» relatert til FME Bio4fuels, hvor målet var å bidra til å minke klimagasser utslipp fra transport sektoren gjennom grundige og omfattende forskingsarbeid. Hoved forskingsområder i Bio4fuels har vært produksjon av bioalkoholer ut ifra biomasse, produksjon av biogass for bruk i lang-tung transporten, produksjon av bioolje gjennom termokjemiske prosesser, og prosesser hvor biomasse brytes i høy temperatur for produksjon av syntesegass og derfra til Biofuels for bruk transport sektoren.

I dette prosjektet skal gjennom valgte caser prøve å svare på spørsmålet: Lønner det seg med energi forskning? Hva er de mulige sosiale, økonomiske, og miljømessige effekter av forskning i Bio4fuels.
Vi skal for eksempel se gjennom effekter av vår forskning i miljø, også i hvilken grad de teknologier vi forsker på kan iverksettes i industriell skale og hvilken påvirkning kan ha på miljøet. Hvilken type effekter kan ha i energisystemer, spørsmål som hvilken andel av en voksende energi behovet kunne vil dekket. I løpet av dette prosjektet andre parallelle effekter som redusert utslipp, materiell bruk, og eller miljøinngrep. Teknisk og kunnskap overføring kan også være et naturlig tema å se nærmere på. Generelt sett en bevisgjøring av den reell praktisk betydning av forskning innen energifagfeltet.

Energidepartementet har i 2018 produsert en rapport om effekten av energiforskning gjennom konsulentselskapene Impello Management og Menon Economics. Rapporten fokuserte på forskningsfunnene fra forskjellige programmer som RENERGI/ENERGIX, (CLIMIT), men hovedsakelig forskningssentre for miljøvennlig energi (FME). 

Målet med arbeidet var å se på forskingseffekter i form av energieffektivisering, reduserte klimagassutslipp,
stabilitet og sikkerhet i energiforsyningen, eksportrettet næringsvirksomhet og bedre forvaltning av naturressursene. Det kan derfor fastslås at samfunnseffektene er mange ganger høyere enn investeringene.

En ny periode av FME forsking-programmer vil ta slutt i 2024 dermed Energidepartementet vil gjennom dette prosjektet oppsummere de viktigste funnene gjennom utarbeidelse av Studie-Caser som i 2018-rapporten.

Bio4Fuels vil dermed bidra i fordypning/utvidelse av tidligere caser, men også i ny studie caser som har vært forsket på i periode 2018-2024, innen de forskjellige tematiske-områder.

Utarbeidelse av Case-Studier fra Forskningssenter for Bærekraftig Biobasert Drivstoff og Energi (Bio4Fuels).

The RealSim project proposal aims to connect machine simulation to reality in the framework of heavy machinery, which is an interdisciplinary application. The results of this project are expected to optimize machine performance, accurately and reliably predict machine failure, and reduce overall development and operation costs, thus, serving the Europe’s priority of green transformation and the United Nation’s sustainable development goal 9. The RealSim project will close the gaps of: (1) Onboard estimations of force and pressure components of heavy machinery; (2) Estimating deformability, cylinder friction, leakage, and valve dynamics of heavy machinery using independent nonlinear Kalman filters; (3) Employing dependent nonlinear Kalman filters in state estimators of heavy machinery; (4) Tuning algorithms for the covariance matrix of plant noise in the state estimation of heavy machinery.   I will consolidate and leverage my research career and position as a leading researcher in the field through integration in Assoc. Prof. Mohammad Poursina’s group at the Department of Engineering Sciences of the University of Agder (UiA), Norway. Here, I will acquire hands-on experience of working with actual mechatronic systems and develop efficient control algorithms. I will improve my knowledge of fluid power designing, control theory, instrumentation, and develop efficient coding skills. I will also develop entrepreneurial skills. The skills, knowledge, and international network that I will develop during this fellowship will put me in an excellent position to achieve my long-term goal of becoming a professor with my own independent research group at an esteemed university in EU. This fellowship will help me to prepare a strong ERC Starting Grant application in the future. It will also cater my additional goal of setting-up a research-related start-up in the future.

Reality-Connected Machine Simulation of Heavy Machinery

Algebraic Theory of Information Quantities

Information theory is a discipline at the intersection of statistics, engineering and computer science. As the study of information quantities, such as compression or communication capacities, information content or measures of statistical dependency, it is one of the theoretical underpinnings of data science.  Computational problems in information theory are highly non-linear. The goal of this project is to transfer state-of-the-art methods of computational non-linear algebra to information theory, to study the inherent algebraic complexity of information-theoretical problems and to provide tools for solving them in practice. The algebraic point of view has proven to be fruitful in seemingly unrelated areas, as witnessed by a surge of recent work in algebraic statistics, in particular on likelihood geometry. However, maximizing the likelihood function is the same as minimizing relative entropy — a specific information quantity. Hence, this project also aims at generalizing the techniques developed in likelihood geometry.  One focus is on the practical computation of information quantities using numerical and differential algebraic geometry. Such quantities are defined via non-linear optimization problems and we aim to pinpoint the algebraic complexity of these problems in instances of general interest, such as common information measures. The final objective is finding fundamental laws and limits of data science imposed by non-linear inequalities constraining the entropic region. These inequalities provide, by duality, universal bounds for many of the optimization problems studied in information theory.

En epigenetisk endring endrer også et gens DNA - men ikke på sekvensnivå. I stedet legges til eller fjernes spesielle 'markører' for å endre hvordan et eller flere protein fungerer i kroppen. Disse 'markørene' kan også bidra til sykdom, og hvordan disse opptrer er et hett forskningstema. Noen årsaker kan være kosthold, stressfaktorer eller miljøgifter. Det som er viktig med epigenetikk er at det tilbyr en annen tilnærming til behandling av sykdom. Mens en genetisk mutasjon er vanskelig å fikse, kan det være en enklere løsning å finne måter å fjerne et dårlig epigenetisk merke, eller legge til et godt. Riktig forståelse av epigenetisk regulering er derfor nøkkelen til å forstå biologiske prosesser og sykdommer, som kreft, nevrologiske og metabolske lidelser. Dessverre er nåværende verktøy som brukes for epigenetisk analyse kostbare, tungvinte, tidkrevende, lider av dårlig signal/støyforhold og begrensninger fra å bli brukt på få celler (enkeltcelle) profilering. NTNU Bio-nanomaskiner har som mål å overvinne disse begrensningene gjennom en patentsøkt tilnærming. Prosjektet fokuserer på å validere bio-nanomaskinene. En tilnærming innebærer å utføre profilering på ulike biologiske prøver med veldig få celler og sammenligne resultatene med data fra eksisterende metoder. Verdiforslaget og brukeradopsjonen av disse bio-nanomaskinene vil også bli sammenlignet med eksisterende verktøy. Skjæringspunktet mellom nanoteknologi og epigenetikk har et enormt potensial, og NTNUs bio-nanomaskiner kan bidra til dette spennende feltet.

The NTNU Bio-nanomachines: Next-generation tools for high-resolution Genomics in Diagnostics and Medical Research

Hovedmålet med kreftbehandling er å eliminere kreftceller og dette er tradisjonelt oppnådd ved kirurgi, bruk av giftige medikamenter (cellegift) og stråling. En ny og betydningsfull tilnærming til kreftbehandling kalt immunterapi, har derimot fått mye oppmerksomhet det siste tiåret; Her forsøker leger og forskere å utnytte immunsystemet vårt for å målrettet  ødelegge kreftceller. En nøkkelaktør i denne banebrytende tilnærmingen er en gruppe «drapsmenn» i immunsystemet kjent som cytotoxiske T-lymfocytter (CTL-er). Disse cellene har en bemerkelsesverdig evne til å oppdage kreftceller ved å gjenkjenne unormale molekyler på overflaten av kreftcellene - molekyler som friske celler ikke har. Når CTL-er gjenkjenner kreftcellene ødelegger de dem ved å frigjøre giftige molekyler som initierer kreftcellenes selvdestruksjon. 
 
Selv om betydelige innsats har blitt dedikert til å forstå hvordan CTL-er aktiveres og hvordan de gjenkjenner kreftceller, vet vi mindre om de påfølgende hendelsene inne i kreftcellene som fører til deres død. Fra før vet vi at CTL-er kan initiere to forskjellige typer celledød i kreft: den første, kalt apoptose, er en stille og ordnet prosess der kreftcellene krymper og brytes opp uten å varsle immunsystemet; den andre, kalt pyroptose, er en mer dramatisk prosess som involverer dannelse av åpninger i cellemembranen, noe som fører til at cellene svulmer opp og sprekker. Under denne cellebristen blir innholdet inne i cellene frigitt i omgivelsene, og dette kan fungere som 'faretegn' som kan stimulere en sterkere immunrespons mot kreftcellene. Betydningen av denne cellebristen for å forsterke anti-tumorresponsene vil bli undersøkt i dette prosjektet. 
 
Videre er vi fascinert av muligheten for å avdekke ytterligere, ennå ukjente, former for celledød indusert av CTL-er. Utforsking av disse dødsrelaterte prosessene i kreftcellene kan potensielt øke effektiviteten av immunterapi og bidra betydelig i den pågående kampen mot kreft.

The primary goal of most cancer therapies is to induce cancer cell death. Immunotherapy relies on the cytotoxic activity of lymphocytes such as natural killer cells (NKs) and cytotoxic T lymphocytes (CTLs) to achieve this. While a significant amount of research in immunotherapy focuses on the events within cytotoxic lymphocytes or at the interface between cytotoxic lymphocytes and cancer cells, less is known about the molecular mechanisms that orchestrate cancer cell death, particularly in the case of CTL-mediated death.
CTLs are known to induce two types of cell death in cancer: non-inflammatory apoptosis and proinflammatory pyroptosis. Pyroptotic cancer cells release proinflammatory signals that attract immune cells to the tumor site, thereby enhancing the anti-tumor response. Cell lysis is a common outcome of pyroptotic cell death. It is unclear whether lysis can be decoupled from pyroptosis in cancer cells and whether the proinflammatory properties of pyroptotic cancer cell death depend on lysis. Moreover, it remains unknown whether CTLs can induce other forms of cell death in cancer, apart from apoptosis and pyroptosis.
Studying the mechanisms of CTL-mediated cancer cell death is challenging because CTLs selectively target cells expressing specific antigens. However, given the critical role of CTLs in immunotherapy, it is essential to deepen our understanding of CTL-induced cancer cell death.
This project aims to develop novel methodologies to investigate the death mechanisms that are initiated by CTLs. In addition, we will identify new pathways and mediators involved in CTL-induced cancer cell death. Furthermore, we will assess the contribution of proinflammatory cell death and lysis in promoting anti-tumor responses in vivo. Overall, this research will improve our knowledge of the molecular mechanisms of CTL-mediated cancer cell death and potentially reveal novel targets to enhance the efficacy of cancer immunotherapy.

T-cell-mediated proinflammatory cell death and lysis in cancer

Midlene fra SAMF-Fagkomiteen for samfunnsvitenskap fordelt på år

Midlene fra SAMF-Fagkomiteen for samfunnsvitenskap fordelt på fylker

Midlene fra SAMF-Fagkomiteen for samfunnsvitenskap fordelt på fagområde

Professor

Social Interaction and Welfare Participation

Openaccess2021

Søknaden gjelder støtte til åpen publisering for 2020. GenØk har som strategi å publiser i åpne tidsskrift.

GenØk - støtte til åpen publisering for 2020

Open access for regnskapsåret 2018

Delta på Horizons 2020 brokerage event"i Brussel den 26. juni. 2018.

Søker om dekning av deler av utgifter i forbindelse med open access publisering i 2017.

GenØks artikler i open access for 2017- søknad om støtte fra NFR

Søker om dekning av deler av utgifter i forbindelse med open access publisering i 2016.

GenØks artikler i open access - søknad om støtte fra NFR

SAMF-Fagkomiteen for samfunnsvitenskap

Social Interaction and Welfare Participation

Awarded: NOK 1.6 mill.

Publications from Cristin

Kindergarten for all: Long run effects of a universal intervention

Funding scheme:

SAMF-Fagkomiteen for samfunnsvitenskap

Funding Sources

Thematic Areas and Topics