2025

2024

2023

2022

2021

2020

2019

2018

2017

2016

2015

2014

2013

2012

2011

2010

2009

2008

2007

2006

2005

2004

Portefølje Naturvitenskap og teknologi ikon

Forskningssystemet

Portefølje Humaniora og samfunnsvitenskap ikon

Banebrytende forskning

Portefølje Samisk ikon

Samisk samfunn og kultur

Portefølje Demokrati, styring og fornyelse ikon

Demokrati og global utvikling

Portefølje Velferd, kultur og samfunn ikon

Velferd og utdanning

Portefølje Helse ikon

Helse

Portefølje Klima- og polarforskning ikon

Klima og miljø

Portefølje Landbasert mat, miljø og bioressurser ikon

Mat og bioressurser

Portefølje Energi, transport og lavutslipp ikon

Energi og transport

Portefølje Muliggjørende teknologier ikon

Muliggjørende teknologier

Portefølje Industri og tjenestenæringer ikon

Innovasjon

LTP2 Klima, miljø og miljøvennlig energi ikon

Klima, miljø og energi

LTP2 Samfunnssikkerhet og samhørighet ikon

Samfunnstryggleik og beredskap

LTP2 Fornyelse i offentlig sektor ikon

Velferdstjenester

Forsidebilde

Marin ikon

Petroleum og mineraler

LTP Hav ikon

Hav og kyst

LTP2 Muliggjørende og industrielle teknologier ikon

Mogleggjerande industrielle teknologiar

Tillit og fellesskap

LTP2 Utvikle fagmiljøer av fremragende kvalitet

Høg kvalitet og tilgjengeleg

LTP2 Styrket konkurransekraft og innovasjonsevne ikon

Sterkare konkurransekraft og innovasjonsevne

LTP3 Helse

Et innovativt næringsliv ikon

Styrket konkurransekraft og innovasjonsevne

Portefolje Petroleum Ikon

Portefølje Hav ikon

Portefølje Utdanning og kompetanse ikon

Portefølje Global utvikling og internasjonale relasjoner ikon

Portefølje Livsvitenskap ikon

Forsidebilde optimalisert

project-bank-technical

Muliggjørende teknologier bakgrunn

Marin bakgrunnsbilde

Statistikk

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.

...eller se sammendrag og annen informasjon om prosjektene i utvalget ditt

Forside

Hvordan tildelingene fordeler seg på institusjoner, fylker, fagområder o.l....

Her er noen eksempler på søk du kan gjøre i Prosjektbanken

Alle porteføljestyrer

En god beskrivelse av denne siden for søkemotoroptimalisering

Alle langtidsplanmål

Veiledning: Hvordan bruke Prosjektbanken.no

Om Fritekstsøk

Ingen populærvitenskapelig framstilling tilgjengelig


Prosjektet med prosjektnummer {{project number}} ble ikke funnet

Teknisk beskrivelse

Oisann, her gikk noe galt. Kan du prøve å laste siden på nytt?  Dersom feilen vedvarer, vennligst kontakt oss.         

Se statistikk relatert til dette langtidsplanmålet

Se prosjekter relatert til dette langtidsplanmålet

knyttet til dette LTP-målet har blitt tildelt penger

har blitt tildelt til prosjekter knyttet til dette LTP-målet

har blitt tildelt til prosjekter knyttet til denne porteføljen

knyttet til denne porteføljen har blitt tildelt penger

Om Prosjektbanken

Kunnskapsdepartementet

Helse- og omsorgsdepartementet

Klima- og miljødepartementet

Landbruks- og matdepartementet

Nærings- og fiskeridepartementet

Samfunnsvitenskap

Oslo

LTP3 Høy kvalitet og tilgjengelighet

LTP3 Rettede internasjonaliseringstiltak

UoH-sektor

Portefølje Forskningssystemet

Tilskudd

Frittstående prosjekter

Frankrike

Koordinerings- og støtteaktivitet

Internasjonalisering

Anvendt forskning

Forskere har lenge debattert om spesifikke endringer i måten genene våre reguleres på, kalt epigenetiske endringer eller "epimutasjoner," kan øke risikoen for kreft. Våre nylige banebrytende undersøkelser har gitt sterke bevis på at epimutasjoner faktisk er en risikofaktor for visse typer kreft.
I en studie av en stor gruppe kvinner fant vi at de som hadde epimutasjoner i BRCA1-genet, hadde mye større risiko for å utvikle trippel-negativ brystkreft og høygradig serøs eggstokkreft senere i livet. Disse epimutasjonene ser ut til å oppstå tidlig under fosterutviklingen, og fører til at det fødte barnet (og senere det voksne individet) har en mosaikk av celler i kroppen, der noen få celler bærer epimutasjonen.
Nå har vi som mål å utvide disse studiene til andre gener og andre former for kreft. For å gjøre dette vil vi analysere blodprøver fra en studie som har rekruttert over 160 000 kvinner i USA.
Hvis denne forskningen lykkes, kan den revolusjonere vår forståelse av hvordan kreft utvikler seg og føre til bedre forebyggende tiltak. Det kan også ha store implikasjoner for kreftscreeningprogrammer og genetisk veiledning for personer med høy risiko for visse typer kreft.
Alt i alt fremhever vår forskning den viktige rollen som epigenetiske endringer kan spille i kreftutvikling og understreker behovet for ytterligere undersøkelser på dette området.

Cancers result from accumulation of genetic and epigenetic alterations. The minority of cancers are due to inherited (germline) alterations that affect all cells in the body. On the other hand, the majority of cancers (>85%; sporadic cancers) are believed to occur due to localised alterations that accumulate after birth as a result of stochastic processes and/or environmental effects. Recently, in a major breakthrough work, we have provided definitive evidence that some sporadic cancers arise in adult life due to mosaic BRCA1 epimutations that occurred during the early embryonic development. BRCA1 epimutations have a surprisingly high population frequency (>5% of adult women) and hazard ratios for breast and ovarian cancer (2.4 and 1.9, respectively). Together with the findings of epimutations in other tumour suppressor genes (MGMT, MLH1, etc) this has led us to hypothesise that a substantial fraction of other sporadic cancers can be attributed to prenatal epimutations in other tumour suppressor genes.

In this project, we will use ultradeep targeted methylation sequencing for quantitative and qualitative analyses of epimutations. Evaluation of cancer risk related to epimutations will be done by studying samples from prospective biobanks (WHI) with samples from healthy women that remained cancer-free or developed different types of incident cancers years/decades after samples were taken. We will also characterise epimutations present in samples of newborn boys and girls, as well as their parents (MoBa biobank). Finally, using cryopreserved blood-derived stem-like cells from young healthy males and female breast cancer patients (in-house biobank), we will assess mutational and epimutational mosaicism at the single-cell level, generating clonal phylogeny for the methylated cells and thus providing insights on early-developmental processes that create epimutations.

Mosaic epimutations: population prevalence, mechanistic origins, and their role in cancer

Exploring Talkwall as a service

Desinformasjon og falske nyheter, og de konsekvensene slikt kan få for folks tillit til eksempelvis valgsystemet, har blitt erklært av blant annet EU, NATO og FN som en av de største truslene mot demokratiet i vår tid, ikke minst i kjølvannet av den enorme utviklingen innen generativ KI. På denne bakgrunnen har vi et akutt behov for følgende: 1) kunnskap om hvordan neste generasjons desinformasjon og påvirkningsoperasjoner kan se ut, og 2) et kunnskapsgrunnlag for å utvikle verktøy som kan identifisere slik desinformasjon. Målet med NxtGenFake er å fylle disse kunnskapshullene. I NxtGenFake vil således lingvister og medievitere ved UiO (hhv. ILOS og IMK) og informatikere på SINTEF samarbeide ved først å ta utgangspunkt i et utvalg villedende narrativer, som vi kaller 'desinformasjonsnarrativer', hentet fra internettkilder på engelsk, norsk og russisk. Basert på blant annet analyser der vi sammenligner disse narrativene med datasettene av genuine nyheter fra Fakespeak-prosjektet, vil vi teste ulike metoder for å få et utvalg store språkmodeller til å generere tekster som reflekterer desinformasjonsnarrativer på alle tre språkene. Ved bruk av kvantitative og kvalitative metoder vil medieviterne undersøke narrativene blant annet i lys av deres innhold og diskursive trekk, og lingvistene vil se nærmere på deres grammatiske, stilistiske og pragmatiske egenskaper. Basert på resultatene vil så informatikerne gjøre systematiske vurderinger av hvordan store språkmodeller kan påvirke hvor overbevisende desinformasjon oppfattes å være. På den måten vil vi kunne vise interessentene våre hvordan fremtidens desinformasjonskampanjer kan se ut, og dermed gjøre dem i stand til å forberede seg og sette i verk tiltak for å øke samfunnets motstandskraft mot slike operasjoner. Til slutt vil informatikerne jobbe mot å utvikle innovative verktøy som kan identifisere mistenkelig KI-generert tekstlig innhold som kan være del av statlige eller ikke-statlige påvirkningsoperasjoner.

The EU, NATO and UN in addition to 1500 experts consulted by the World Economic Forum perceive disinformation and fake news, and the subsequent erosion of trust in newly elected governments, as one of the biggest current threats to democracy. This is so not least due to the rapid development of generative AI. Thus, pressing knowledge needs are 1) forecasts about the next-generation disinformation and influence operations and 2) a basis for the development of tools to identify and warn about such disinformation. To fill these knowledge gaps is the objective of NxtGenFake. Thus, in NxtGenFake, linguists, media scientists and computer scientists will collaborate, taking as our point of departure a selection of mainly Russian state disinformation narratives gleaned from a selection of online sources in English, Norwegian and Russian. Based on an abstraction of these narratives and analyses comparing them with the datasets of genuine news from the Fakespeak project we will test various methods for prompting a selection of large language models (LLMs) to generate texts reflecting disinformation narratives in all three languages. Applying quantitative and qualitative methods, our media scientists will examine the disinformation narratives in view of, i.a., their content and discursive features, and our linguists will investigate their grammatical, stylistic and pragmatic features. Based on the results our computer scientists will conduct systematic assessments of how LLMs may increase the persuasiveness of disinformation, thereby demonstrating to our stakeholders what future disinformation campaigns may look like, enabling them to prepare and take measures to strengthen societal resilience against such operations. In a final step the computer scientists will work towards the development of cutting-edge tools that can warn relevant authorities of suspicious AI-generated textual content that may be part of state or non-state influence operations and disinformation campaigns.

Towards detecting AI-generated disinformation: Fakespeak in the age of large language models

Cøliaki er en sykdom som rammer 1-2% av befolkningen. Den eneste eksisterende behandlingen for sykdommen i dag er en livslang glutenfri kost. Det er ønskelig å utvikle alternative behandlingsmetoder. Nyere forskning har avdekket at enzymet transglutaminase 2 spiller en sentral rolle i utviklingen av sykdommen. Dette enzymet forandrer glutenproteiner slik at immunsystemet hos cøliakere kan reagerer på disse proteinene. Denne immunresponsen hos cøliakere involverer B-celler. B-celler produserer antistoffer, og cøliakere har B-celler og antistoffer som er rettet mot transglutaminase 2. I projektet ønsker vi å ta denne kunnskapen i retning mot utvikling av nye behandlingsprinsipper. En del av prosjektet dreier seg om hemming av enzymaktiviteten til transglutaminase 2, og å avdekke hvor i kroppen hvor transglutaminaseaktiviteten bør hemmes. En annen del av prosjektet dreier seg om å finne en metode som kan elimimere B-cellene som gjenkjenner transglutaminase 2.  Prosjektet vil studere celler og vev fra cøliakere samt mus som er genetisk modifisert til å uttrykke reseptorer som brukes av cøliakere til å gjenkjenne gluten og transglutaminase 2.

Celiac disease is a prevalent autoinflammatory condition caused by immune reaction to dietary gluten proteins. The only available treatment is lifelong avoidance of dietary gluten. However, symptoms and enteropathy often persist in patients who attempt to adhere to a gluten-free diet. Thus, there is a need to develop non-dietary therapies for celiac disease. 

The enzyme transglutaminase 2 (TG2) has critical roles in celiac disease pathogenesis. The enzymatic activity of TG2 creates by deamidation gluten peptides that have high affinity for disease-predisposing HLA-molecules, and these deamidated peptides are recognized by the disease-driving CD4+ T cells. Moreover, TG2 is the target of a highly specific autoantibody response. In this project we will explore two novel treatment avenues focused on TG2. In the first approach, we seek to develop novel immunotherapeutic molecules, Bispecific AutoAntigen T-cell Engagers (BiAATEs), to specifically eliminate the subset of autoreactive TG2-specific B cells while avoiding general immunosuppression. The results will be important not only for celiac disease but also for other autoimmune diseases having cytosolic autoantigens.

Second, we will explore therapeutic inhibition of TG2. ZED1227, an irreversible inhibitor of TG2, was recently shown in a phase 2 clinical trial to prevent gluten-induced intestinal damage in celiac disease patients. It is however unknown where in the body the drug is active. Our group has obtained evidence that the gut lumen likely is the relevant site where TG2 is active and encounters gluten peptides for deamidation. We will test the new hypothesis that TG2 in gut lumen is pathogenic in celiac disease and will explore inhibition of gut luminal TG2 as therapy.  

Both arms of the project will combine studies on patient samples with mechanistic experiments in state-of-the art humanized mouse models that we recently developed.

Exploring novel therapies for celiac disease centered around the autoantigen transglutaminase 2

In-Network Intelligence and Technologies

WebData vil tilrettelegge for forskning på data fra det norske internett, tilsvarende tjenester som Nettbiblioteket og DH-lab fra Nasjonalbiblioteket for fysisk materiale. WebData vil altså gi forskere adgang til data som ikke er tilgjengelige i en infrastruktur i dag, men som det er et stort behov for.

Nasjonalbiblioteket har hentet og lagret data fra det norske internett siden slutten av 1990-tallet og sitter på enorme mengder med data. Dette materialet har man i liten grad kunnet tilgjengeliggjøre, blant annet fordi lovverket setter strenge krav til håndtering av personopplysninger i slike arkiver. Samtidig har den offentlige samtalen for en stor del flyttet seg til nettet, slik at det er blitt viktigere å kunne forske på data fra denne delen av offentligheten. I tillegg spiller data fra nettet en særlig rolle i arbeidet med kunstig intelligens og store språkmodeller. Skal norsk og samisk overleve i den digitale tidsalderen, trenger vi så mye data som mulig av høy kvalitet for å støtte opp under språkteknologi.

WebData skal derfor bygge en plattform for forskning på materiale fra nettet i tråd med gjeldende lovverk. Det vil gis åpen tilgang til materiale publisert av det offentlige og adgang for forskningsformål til materiale utgitt med og uten ansvarlig redaktør. Vi vil ta i bruk kunnskap om og verktøy for identifisering og vasking av personopplysninger for å klassifisere materiale og bygge et system for sikker tilgang.

Plattformen skal utvikles i tett samarbeid med forskersamfunnet. Vi vil gjennomføre en behovsstudie tidlig i prosjektet for å kartlegge hvilken funksjonalitet forskerne trenger (f.eks. visualisering av ordbruk over tid, uttrekk og analyse av hendelser) som igjen vil legge føringer for tilrettelegging av data. Prosjektet har som mål å styrke samiske språks representasjon. Vi vil gjennomføre en representasjonsstudie for å undersøke hvor godt samisk er dekket i nettarkivet og gjøre tiltak for å forbedre høstingen av samiskspråklig innhold.

The National Library of Norway, a major cultural heritage institution in Norway, joins forces with some of the most prominent research communities for language technology in Norway to create WebData, a national research infrastructure for web data. WebData will offer researchers access to the Norwegian Web Archive, hosted on-premises at the National Library of Norway. The infrastructure will first and foremost consist of a data platform featuring a general purpose search interface for web data from the Norwegian web (the .no top-level domain) from the last 25 years, allowing researchers to search and explore web pages, documents, transcribed audio/video and images.

The platform will implement a model of layered access, using automatic categorization and identification of personal information to open parts of the collection that would otherwise be closed due to regulatory policies, which is a major R&D challenge and one of the main reasons why the material is not available today. The web archive will further be scaled up according to the needs of researchers and underrepresented communities, e.g. allowing for quantitative analysis of web data and by increasing the coverage of Sámi web content. The infrastructure will contribute to research on Norwegian and Sámi language and culture and produce language resources, e.g. corpora for large language models, that help prevent domain-loss of these languages.

The project is highly interdisciplinary and aims primarily at researchers in the social sciences and humanities, but will also be relevant for e.g. computer science, medicine and law.

Norwegian research infrastructure for web data

Kreftvev inneholder ikke bare kreftceller, men også en rekke forskjellige immunceller. Noen av dem er nyttige, andre bytter side og hjelper nå svulsten. Kunnskapen om fordelingen av immuncelletyper til en pasient er svært viktig. Denne informasjonen er med på å definere den beste personlige behandlingen, gi en klarere overlevelsesprognose eller hjelper å definere nye mulige behandlingsalternativer. 
I tillegg gjennomgår immunceller i tumormikromiljøet flere endringer, noen er nyttige i kampen mot kreft, andre hjelper svulsten til å vokse eller spre seg. Kunnskapen om disse endringene i de ulike immuncelletypene hjelper til med å forklare prosessene i svulsten eller til å oppdage mulige nye biomarkører for behandlingsalternativer. 
I dette prosjektet ønsker vi å ta hensyn til både den romlige fordelingen og endringene av de forskjellige immuncelletypene avhengig av deres lokalisering i forhold til kreftvev. Hvilke endringer kan vi finne? Hvordan påvirker de hverandre og hvordan påvirkes de av svulsten? Vi ønsker å bruke denne kunnskapen til å oppdage nye mulige biomarkører for behandlingsalternativer.

Spatial transcriptomics provides unprecedented details about the molecular mechanisms that take place within and between cells. ST assesses the molecular content of well-defined regions in a tissue which potentially cover contributions from multiple cells. In order to draw correct biological conclusions from ST analysis, spatial distributions of individual cell types are a prerequisite. This generates an urgent need for computational methods addressing this question. However, computational estimates of cellular compositions from ST are complicated by several factors. First, the methods require well curated data which is usually not available; every specimen has its own individual characteristics and so, every tissue type or even every patient, might require a own, comprehensively verified model. Second, data is noisy, making estimates prone to errors. Moreover, even if a computational model is designed for a specific tissue or even patient, it might be miss-specified, leading to additional systematic errors. In this project, we will develop a toolbox called Computational Dissection of Cellular Distributions (CDCD), which directly accounts for these issues. CDCD will advance the state of the art by (1) taking into account a priori unknown, hidden cellular background contributions, (2) taking into account environmental factors (i.e., tissue and patient dependence), and by (3) comprehensive errors estimation. Intriguingly, in contrast to available techniques, CDCD will facilitate estimates of cellular regulation in space! Such gene-regulation gradients will allow us to address questions of how immune cells adapt their molecular phenotype with respect to their environment. Additionally we will verify our algorithms on a conjoint norwegian phase II melanoma case study. CDCD will be made freely available via easy-to-use webpage and software solution, enabling both expert bioinformaticians and wet-lab biologists an efficient use of the to-be-developed methodology.

Computational dissection of cellular distributions and cell-type specific regulation patterns from spatial transcriptomics data

Hvordan kan kunstig intelligens bli en reell samarbeidspartner for produkt- og tjenesteutviklingsteam? Dette er kjernespørsmålet i Kairos, et innovasjonsprosjekt ledet av Knowit, i samarbeid med Storebrand, TV2, Politiets IT-enhet (PIT) og SINTEF. Kairos skal utvikle løsninger som muliggjør tett samarbeid mellom mennesker og AI-agenter på tvers av team, systemer og oppgaver.
I dag bruker mange norske virksomheter AI til effektivisering og automatisering. Kairos ønsker å gå videre ved å utforske hvordan AI og menneskelig ekspertise kan kombineres for å skape nye produkter, tjenester og arbeidsmåter. Ambisjonen er at AI skal bli en integrert del av tverrfaglige team, med klart definerte roller, ansvar og effektivt samarbeid med menneskelige kolleger.
Prosjektet består av tre delinnovasjoner:
- Digital infrastruktur: En fleksibel plattform for sikker og distribuert AI-bruk i tråd med norske og europeiske personvernregler.
- Sosioteknisk samarbeidsmodell: En praktisk modell for samarbeid mellom mennesker og AI som vektlegger tillit, læring, ansvar, etisk bruk og standardiserte prosesser for onboarding og offboarding av AI-agenter.
- AI som teammedlem: Utvikling av AI-agenter som aktivt deltar i produkt- og tjenesteutviklingsteam gjennom å støtte beslutningstaking, koordinering og kontinuerlig forbedring.
Kairos er tilpasset norsk kontekst og adresserer utfordringer som personvern, datasikkerhet, etikk og organisasjonskultur. Selv om Norge er ikke ledende på utvikling av AI-teknologi, har vi gode forutsetninger for ansvarlig og verdiskapende AI-bruk, takket være høy digital modenhet og en arbeidslivsmodell basert på medbestemmelse. Prosjektet bruker forskningsmetoder som intervjuer, observasjone og eksperimenter. Gjennom Kairos vil vi utvikle metoder for effektiv kommunikasjon, kompleksitetshåndtering og vellykket integrering av AI i team.
Prosjektet varer fra høsten 2025 til 2029, og vil bidra med innsikt og erfaringer gjennom publikasjoner, presentasjoner og workshops.

Norske selskaper utnytter i liten grad AI som konkurransefordel, ofte grunnet en misforståelse om at automatisering alene gir suksess. Potensialet i teknologien realiseres først når medarbeidere og AI-agenter – datasystemer som løser oppgaver selvstendig – samarbeider om å utvikle nye produkter og tjenester. Kairos-prosjektet skal utvikle løsninger som fremmer samarbeid mellom mennesker og AI-agenter i produkt- og tjenesteutvikling. Prosjektets tre hoveddeltakere – TV2, Storebrand og Knowit, samt Politiets IT-enhet (PIT) – skal integrere AI-agenter i deres organisasjons- og teamprosesser. Målet er å lage en teknologi for AI-integrasjon som muliggjør samhandling mellom mennesker og teknologi.
Tre delinnovasjoner ligger til grunn for Kairos:
1.	Digital infrastruktur for samhandling: En fleksibel og desentralisert plattform skal sikre sømløst samarbeid mellom mennesker og AI-agenter. Den vil støtte interoperabilitet gjennom API-er og håndtere ustrukturert data i tråd med lovverk som GDPR. Plattformen legger til rette for fremtidige AI-løsninger, uavhengig av teknologisk leverandør.
2.	Sosioteknisk samarbeidsmodell: En helhetlig modell for samhandling mellom mennesker og AI-agenter, som fokuserer på tillit, gjensidig læring og koordinering. Modellen inkluderer standardiserte prosesser for integrasjon og opplæring, samt mekanismer for å sikre etisk og transparent bruk av AI.
3.	AI som teammedlemmer: Utvikling av AI-agenter som aktive bidragsytere i tverrfaglige team. Disse agentene vil ikke bare utføre oppgaver, men også ta del i beslutningsprosesser, koordinering og kontinuerlig læring, tilpasset spesifikk teamdynamikk.
Kairos representerer en transformasjon i hvordan norske selskaper kan utnytte sin domenekunnskap og eksperimenteringsvilje til å bli ledende konsumenter av AI-teknologi. Prosjektet krever FoU-innsats innen produktutvikling, endringsledelse og organisasjonspsykologi, og legger grunnlag for bærekraftig verdiskaping og innovasjon i norsk næringsliv.

Kairos - Helhetlig løsning for AI-integrasjon i norske organisasjoner

I møte med utfordringene ved en aldrende befolkning i Europa, utvikler dette prosjektet bærekraftige øyedråper basert på hydrogeler utvunnet fra plantebaserte forbindelser, for å motvirke aldersrelaterte forandringer i netthinnen.

De bio-baserte hydrogelene er utviklet for å fjerne skadelige avleiringer, redusere betennelsestilstander og forbedre oksygentilførselen til netthinnen – faktorer som er sentrale for å bevare synet og opprettholde cellenes energiomsetning.

I motsetning til eksisterende behandlinger benytter denne tilnærmingen miljøvennlige materialer og unngår invasive prosedyrer, noe som gir en tryggere og mer tilgjengelig løsning for personer med aldersrelaterte øyesykdommer.

Sustainable self-cleaning hydrogels in ophthalmology

Antibiotikaresistens er i ferd med å bli en alvorlig global helsetrussel. Etter hvert som bakterier utvikler motstand mot dagens medisiner, blir infeksjoner som tidligere var enkle å behandle, igjen livstruende. 
Verdens helseorganisasjon (WHO) har laget en liste over farlige bakterier hvor behovet for nye antibiotika er akutt. Dessverre er de fleste antibiotika som utvikles i dag bare små endringer av gamle medisiner – og bakteriene lærer raskt å stå imot disse også.

For å løse dette problemet må vi finne helt nye måter å angripe bakteriene på. Det betyr at vi må oppdage nye angrepsmål i bakteriene og utvikle antibiotika som kan nå frem til og slå ut disse.

Dette prosjektet har som mål å gjøre nettopp det. Et internasjonalt team av forskere samarbeider for å:

Undersøke to spesifikke bakterieenzymer for å se om de kan være gode angrepsmål for fremtidige antibiotika.
Bidra til å øke vår forståelse av hvordan antibiotiske legemidler kommer seg inn i bakteier, noe som er en av de største utfordringene i utviklingen av nye antibiotika.
Vi fokuserer på tre typer skadelige bakterier: Pseudomonas aeruginosa, Escherichia coli og Klebsiella pneumoniae. Disse er alle såkalte «Gram-negative» bakterier, som er spesielt vanskelige å behandle på grunn av deres oppbygning.

I prosjektet vil vi studere to viktige enzymer som disse bakteriene bruker til å lage fettsyrer – molekyler de trenger for å overleve. Ved bruk av ulike teknikker skal vi designe og teste nye inhibitorer som kan blokkere disse enzymene. Samtidig skal vi undersøke hvordan disse inhibitorene kommer seg inn i bakteriene, slik at vi er sikre på at de faktisk når frem til målet sitt.

Ved å kombinere kjemi, biologi og legemiddeldesign vil dette prosjektet ikke bare hjelpe oss med å komme videre på veien til å finne nye antibiotika – det vil også gi verdifull innsikt i hvordan vi kan utvikle bedre antibiotika i fremtiden.

There is an urgent need for new antibiotics to prevent the looming crisis of antimicrobial resistance and WHO has published a list of bacteria for which antibiotics are in high demand and urged that research and drug discovery efforts are directed toward these. Antibiotics are a prerequisite for modern medicine, however, most of the compounds in clinical development are not fit for purpose at they are derivatives of already known antibiotics and therefore have cross-resistance with existing agents.
To tackle this crisis, we need fundamental knowledge on new targets for antibiotics, and we need compounds that can get into bacteria and work on these targets. This project will address this 1) by delivering potent inhibitors on two proposed bacterial protein targets to establish if they are promising targets for future antibiotics and 2) by establishing relationships between compound properties and uptake in bacteria. To reach these highly ambitious goals, we have assembled an interdisciplinary and international team of experts in antibiotic drug discovery, protein dynamics, structure-based drug design, covalent enzyme inhibition, organic synthesis and medicinal chemistry. We will explore two essential enzymes involved in fatty acid synthesis in Pseudomonas aeruginosa, Escherichia coli, and Klebsiella pneumoniae, Gram-negative bacteria for which WHO has stated that new antibiotics are critically needed. We will use a structure-based approach to develop potent inhibitors for chemical target validation. This process will be guided by experimental data about uptake into bacteria to ensure that our compounds reach their targets, a critical step in chemical target validation. Through this we will provide crucial information to advance our understanding of the compound properties that governs uptake in Gram-negative bacteria. This will deliver far-reaching insights, not only for the studied target but antibiotic drug discovery in general.

Validating fatty acid synthesis enzymes as targets for antibiotics against Pseudomonas aeruginosa and other Gram-negative bacteria.

DigiCast: Digitale teknologier for smarte aluminium støpesystemer

Midlene fra BIA-Brukerstyrt innovasjonsarena fordelt på år

Midlene fra BIA-Brukerstyrt innovasjonsarena fordelt på fylker

Midlene fra BIA-Brukerstyrt innovasjonsarena fordelt på fagområde

Research Manager

Aluminium holds the fastest growing demand among metals in the world and is an important material for development of solutions for the green shift. Casting solutions leading to increased process control and enhanced operator working conditions is central in the path towards sustainable Aluminium production with a low CO2 footprint. 
Digicast has been dedicated to developing Intelligent Casting systems for Aluminium DC-casting by combining process know-how in the form of process models, monitoring, data collection and with visualization technologies. Detailed models for DC-casting of sheet ingot materials and extrusion ingots in the ALSIM software has been used as a basis for simplified and CPU-efficient models for use in digital process twins. A methodology and a numerical framework for generation of synthetic data  for construction of simplified models for prediction of centreline cracking in extrusion ingots and and butt curl formation in sheet ingot casting has been established and demonstrated in the project. Architecture for data collection from the industrial process and camera solutions for monitoring of the casting process has also been developed in the project.

Today casthouse operations must rely on operator experience with casting parameters and recipes. As the requirements on quality such as ingot integrity, homogeneity and geometrical tolerances increase continuously, technical teams necessitate supporting tools to carry out, control and optimize their operations. 

The project aims at developing intelligent casting systems for improved casthouse operations. The framework will consist of a digital twin as well as visualization solutions to assist operators with information for process planning as well as modification during operations. 

The digital twin will be self-learning and based on hybrid modelling. The approach takes advantage of strong competences on DC-casting built into process modelling tools and will be combined with data-analytics for increased predictability. The system will be made applicable for multiple industrial alloy systems and DC-casting technologies (billets and sheet ingots). The main R&D challenge will be to establish a fast, accurate and predictive tool. 

Visualization tools based on augmented reality will be developed for the casthouse by introducing 3D representations of casting equipment. The holographic representations will be linked to sensor data as well as the digital twin to supply operators with process information. 

By embracing digital twins and AR based control and visualization, several benefits are to be achieved: i) use of real-time data for greater collaboration throughout the process, ii) simulate real-life scenarios before casting, iii) identify casting recipe flaws and make modifications during the preparation phase, iii) improve  process and product and entire system function by predicting failures and identifying areas that need modification, iv) increase safety, efficiency and lower production costs, v) competence transfer and training. This will constitute a step change compared to today's operations.

DigiCast:Digital technologies for Intelligent Aluminium Casting Systems

In the present project, we will identify the low- and high-level processes that independently as well as interactively underpin the psychology of sustainability. We will conduct a series of experiments that will make use of and combine the expertise of a prominent cognitive psychology lab in France and a social psychology lab in Norway. Regular group meetings will be held to ensure the transfer of knowledge and to build a lasting and productive research network.

0 antall prosjekter

INTSAMARBEID-INTSAMARBEID

Perceptual-cognitive information processing and the psychology of sustainability

Tildelt: kr 99 999

Prosjektperiode: 2023-2025

Sted: Oslo