Integrative molecular bioinformatics study of human adrenocortical tumors : microRNA, tissue-specific target prediction, and pathway analysis.

MicroRNAs (miRs) are involved in the pathogenesis of several neoplasms; however, there are no data on their expression patterns and possible roles in adrenocortical tumors. Our objective was to study adrenocortical tumors by an integrative bioinformatics analysis involving miR and transcriptomics profiling, pathway analysis, and a novel, tissue-specific miR target prediction approach. Thirty-six tissue samples including normal adrenocortical tissues, benign adenomas, and adrenocortical carcinomas (ACC) were studied by simultaneous miR and mRNA profiling. A novel data-processing software was used to identify all predicted miR-mRNA interactions retrieved from PicTar, TargetScan, and miRBase. Tissue-specific target prediction was achieved by filtering out mRNAs with undetectable expression and searching for mRNA targets with inverse expression alterations as their regulatory miRs. Target sets and significant microarray data were subjected to Ingenuity Pathway Analysis. Six miRs with significantly different expression were found. miR-184 and miR-503 showed significantly higher, whereas miR-511 and miR-214 showed significantly lower expression in ACCs than in other groups. Expression of miR-210 was significantly lower in cortisol-secreting adenomas than in ACCs. By calculating the difference between dCT(miR-511) and dCT(miR-503) (delta cycle threshold), ACCs could be distinguished from benign adenomas with high sensitivity and specificity. Pathway analysis revealed the possible involvement of G2/M checkpoint damage in ACC pathogenesis. To our knowledge, this is the first report describing miR expression patterns and pathway analysis in sporadic adrenocortical tumors. miR biomarkers may be helpful for the diagnosis of adrenocortical malignancy. This tissue-specific target prediction approach may be used in other tumors too.

Aikasarja-analyysimenetelmien soveltuvuus maakaasun; hinnoittelussa käytettyjen sidonnaisuustekijöiden ennustamisessa: Case Gasum Oy

Tässä tutkielmassatarkastellaan maakaasun hinnoittelussa käytettyjen sidonnaisuustekijöiden hintadynamiikkaa ja niiden vaikutusta maakaasun hinnanmuodostukseen. Pääasiallisena tavoitteena on arvioida eri aikasarjamenetelmien soveltuvuutta sidonnaisuustekijöiden ennustamisessa. Tämä toteutettiin analysoimalla eri mallien ja menetelmien ominaisuuksia sekä yhteen sovittamalla nämä eri energiamuotojen hinnanmuodostuksen erityispiirteisiin. Tutkielmassa käytetty lähdeaineisto on saatu Gasum Oy:n tietokannasta. Maakaasun hinnoittelussa käytetään kolmea sidonnaisuustekijää seuraavilla painoarvoilla: raskaspolttoöljy 50%, indeksi E40 30% ja kivihiili 20%. Kivihiilen ja raskaan polttoöljyn hinta-aineisto koostuu verottomista dollarimääräisistä kuukausittaisista keskiarvoista periodilta 1.1.1997 - 31.10.2004. Kotimarkkinoiden perushintaindeksin alaindeksin E40 indeksi-aineisto, joka kuvaa energian tuottajahinnan kehitystä Suomessa ja koostuu tilastokeskuksen julkaisemista kuukausittaisista arvoista periodilta 1.1.2000 - 31.10.2004. Tutkimuksessa tarkasteltujen mallien ennustuskyky osoittautui heikoksi. Kuitenkin tuloksien perusteella voidaan todeta, että lyhyellä aikavälillä EWMA-malli antoi harhattomimman ennusteen. Muut testatuista malleista eivät kyenneet antamaan riittävän luotettavia ja tarkkoja ennusteita. Perinteinen aikasarja-analyysi kykeni tunnistamaan aikasarjojen kausivaihtelut sekä trendit. Lisäksi liukuvan keskiarvon menetelmä osoittautui jossain määrin käyttökelpoiseksi aikasarjojen lyhyen aikavälin trendien identifioinnissa.

Kysynnän ennustaminen leipomotuotteille ja ennusteen tarkkuuden arviointi

Tässä diplomityössä tutkittiin kysynnän ennustamista Vaasan & Vaasan Oy:n tuotteille. Ensin työssä perehdyttiin ennustamiseen ja sen tarjoamiin mahdollisuuksiin yrityksessä. Erityisesti kysynnän ennustamisesta saatavat hyödyt käytiin läpi. Kysynnän ennustamisesta haettiin ratkaisua erityisesti ongelmiin työvuorosuunnittelussa.Työssä perehdyttiin ennustemenetelmiin liittyvään kirjallisuuteen, jonka oppien perusteella tehtiin koe-ennustuksia yrityksen kysynnän historiadatan avulla. Koe-ennustuksia tehtiin kuudelle eri Turun leipomon koe-tuotteelle. Ennustettavana aikavälinä oli kahden viikon päiväkohtainen kysyntä. Tämän aikavälin erityisesti peruskysynnälle etsittiin ennustetarkkuudeltaan parasta kvantitatiivista ennustemenetelmää. Koe-ennustuksia tehtiin liukuvilla keskiarvoilla, klassisella aikasarja-analyysillä, eksponentiaalisen tasoituksen menetelmällä, Holtin lineaarisella eksponenttitasoituksen menetelmällä, Wintersin kausittaisella eksponentiaalisella tasoituksella, autoregressiivisillä malleilla, Box-Jenkinsin menetelmällä ja regressioanalyysillä. Myös neuroverkon opettamista historiadatalla ja käyttämistä ongelman ratkaisun apuna kokeiltiin.Koe-ennustuksien tulosten perusteella ennustemenetelmien toimintaa analysoitiin jatkokehitystä varten. Ennustetarkkuuden lisäksi arvioitiin mallin yksinkertaisuutta, helppokäyttöisyyttä ja sopivuutta yrityksen monien tuotteiden ennustamiseen. Myös kausivaihteluihin, trendeihin ja erikoispäiviin kiinnitettiin huomiota. Ennustetarkkuuden huomattiin parantuvan selvästi peruskysyntää ennustettaessa, jos ensin historiadata esikäsittelemällä puhdistettiin erikoispäivistä ja –viikoista.

Asiakkaan kysynnän ennustaminen

Perinteinen tilaus–toimitus-periaate on hiljalleen väistymässä antaen tilaa sähköisille hankintajärjestelmille. Yritykset ovat huomanneet, että tehostamalla hankintaprosesseja ne voivat saada aikaan suuriakin kustannussäästöjä. Toimintaa on ryhdytty tehostamaan yhdessä tavarantoimittajien, hankintapalveluita tarjoavien yritysten sekä sähköisten tukkureiden kanssa. Muutosten aika ei vielä kuitenkaan ole ohi. Sähköisten hankintajärjestelmien tarjoajat haluavat kehittää uusia ja yhä parempia palveluita, jotta asiakkaiden hankintaprosessit tehostuisivat entisestään. Yksi kehittelyn alla olevista uusista palveluista on ennustemenetelmät. Tutkielman teoriaosassa tarkasteltiin perinteisen hankintaprosessin uudistamista sähköiseksi kaupankäynniksi tarjonta- ja kysyntäketjujen kehittämisen kautta. Teoriassa tarkasteltiin hieman myös julkisen hallinnon hankintatoimea ja sitä, mitä hyötyjä se voi saada sähköisistä hankintaratkaisuista. Sähköisen hankintajärjestelmän tarjoajaa tutkielmassa edusti Kauppatalo Hansel Oy. Keskeisenä asiana tutkielmassa oli kysynnän ennustaminen sekä muutamien kvantitatiivisten ennustemenetelmien analysointi. Empiirisessä osassa tutkittiin case-yritysten hankintatoimen nykytilaa ja niiden halukkuutta ennustemenetelmien käyttöön hankintojen suunnittelun tehostamiseksi kyselylomakkeen avulla. Kyselyissä kävi ilmi, että asiakkailla eli tässä tapauksessa julkisen hallinnon eri organisaatioilla on halua lähteä mukaan uudenlaiseen toimintaan, vaikka tiettyä varautuneisuutta ja epäilyksiä toiminnan onnistumisesta on edelleen olemassa.

Toimitusketjun hallinnan kehittäminen tekstiiliteollisuudessa

Due to the outsourcing of manufacturing, Finlayson Oy now has a need to develop its supply chain management as its new ability. This requires development of efficient and flexible procedures and models in order to efficiently manage the company’s floating assets without affecting the reliability of delivery promised for the customer. In this thesis we discuss Finlayson’s supply chain management with a focus on the operations between Finlayson and its suppliers. The aim is to develop these operations and increase the reaction speed of the supply chain in order to response to the changes in demand. In order to do this we discuss different product analysis, material and inventory management and demand forecasting. In the research part of the thesis we design strategies for different products based on product classification analysis. Market behavior of different products will be modeled with demand forecasting methods and inventory control systems will be designed for different product groups based on the nature of their supplier. We will also optimize the costs and resource needs for different suppliers’ order-deliver processes.

Kysynnän ennakointiprosessin kehittäminen leipomoyrityksessä

Tämän työn tarkoituksena on kehittää lyhyen tähtäimen kysynnän ennakointiprosessia VAASAN Oy:ssä, jossa osa tuotteista valmistetaan kysyntäennakoiden perusteella. Valmistettavien tuotteiden luonteesta johtuva varastointimahdollisuuden puuttuminen, korkea toimitusvarmuustavoite sekä tarvittavien ennakoiden suuri määrä asettavat suuret haasteet kysynnän ennakointiprosessille. Työn teoriaosuudessa käsitellään kysynnän ennustamisen tarvetta, ennusteiden käyttökohteita sekä kysynnän ennustamismenetelmiä. Pelkällä kysynnän ennustamisella ei kuitenkaan päästä toimitusketjun kannalta optimaaliseen lopputulokseen, vaan siihen tarvitaan kokonaisvaltaista kysynnän hallintaa. Se on prosessi, jonka tavoitteena on tasapainottaa toimitusketjun kyvykkyydet ja asiakkaiden vaatimukset keskenään mahdollisimman tehokkaasti. Työssä tutkittiin yrityksessä kolmen kuukauden aikana eksponentiaalisen tasoituksen menetelmällä laadittuja ennakoita sekä ennakoijien tekemiä muutoksia niihin. Tutkimuksen perusteella optimaalinen eksponentiaalisen tasoituksen alfa-kerroin on 0,6. Ennakoijien tilastollisiin ennakoihin tekemät muutokset paransivat ennakoiden tarkkuutta ja ne olivat erityisen tehokkaita toimituspuutteiden minimoimisessa. Lisäksi työn tuloksena ennakoijien käyttöön saatiin monia päivittäisiä rutiineja helpottavia ja automatisoivia työkaluja.

Kysynnän ennustamismallien soveltuvuus rakennustarvikealalle

Kandidaatintyö käsittelee kvalitatiivisten ja kvantitatiivisten kysynnän ennustamismenetelmien soveltuvuutta rakennustarvikkeiden kysynnän ennustamiseen. Työssä esitellään rakennustarvikkeiden kysyntämaailmaa ja sen vaatimuksia ennustamismallille. Tavoitteena on selvittää soveltuvimmat mallit rakennustarvikkeiden lyhyen ja keskipitkän aikavälin kysynnän ennustamiseen. Käytettävä malli tulee valita sen mukaan, että saadaan riittävä ennustamistarkkuus. Toimialalla mallin valintaa ohjaa hyvin paljon yrityksen käytettävissä olevat resurssit. Erityyppisiä menetelmiä yhdistämällä voidaan säästää resursseja ja lisätä ennustamistarkkuutta. Pienen yrityksen toimintaan parhaiten soveltuvat mallit ovat kevyitä ja yksinkertaisia käyttää.

The demand-supply balancing process in supply chain management - case mining & metals industry equipment

The aim of this thesis is to search how to match the demand and supply effectively in industrial and project-oriented business environment. The demand-supply balancing process is searched through three different phases: the demand planning and forecasting, synchronization of demand and supply and measurement of the results. The thesis contains a single case study that has been implemented in a company called Outotec. In the case study the demand is planned and forecasted with qualitative (judgmental) forecasting method. The quantitative forecasting methods are searched further to support the demand forecast and long term planning. The sales and operations planning process is used in the synchronization of the demand and supply. The demand forecast is applied in the management of a supply chain of critical unit of elemental analyzer. Different meters on operational and strategic level are proposed for the measurement of performance.

Evaluating and improving demand forecast practices for B2B and B2C sectors

Demand forecasting is one of the fundamental managerial tasks. Most companies do not know their future demands, so they have to make plans based on demand forecasts. The literature offers many methods and approaches for producing forecasts. Former literature points out that even though many forecasting methods and approaches are available, selecting a suitable approach and implementing and managing it is a complex cross-functional matter. However, it’s relatively rare that researches are focused on the differences in forecasting between consumer and industrial companies. The aim of this thesis is to investigate the potential of improving demand forecasting practices for B2B and B2C sectors in the global supply chains. Business to business (B2B) sector produces products for other manufacturing companies. On the other hand, consumer (B2C) sector provides goods for individual buyers. Usually industrial sector have a lower number of customers and closer relationships with them. The research questions of this thesis are: 1) What are the main differences and similarities in demand planning between B2B and B2C sectors? 2) How the forecast performance for industrial and consumer companies can be improved? The main methodological approach in this study is design science, where the main objective is to develop tentative solutions to real-life problems. The research data has been collected from a case company. Evaluation and improving in organizing demand forecasting can be found in three interlinked areas: 1) demand planning operational environment, 2) demand forecasting techniques, 3) demand information sharing scenarios. In this research current B2B and B2C demand practices are presented with further comparison between those two sectors. It was found that B2B and B2C sectors have significant differences in demand practices. This research partly filled the theoretical gap in understanding the difference in forecasting in consumer and industrial sectors. In all these areas, examples of managerial problems are described, and approaches for mitigating these problems are outlined.

Innovatiivisten ja funktionaalisten tuotteiden kysynnän ennustaminen terveydenhuollonalan tukkuyrityksessä

Tässä diplomityössä tutkitaan miten kysyntää voidaan ennustaa erityyppisille tuotteille. Työssä esitellään miten funktionaaliset ja innovatiiviset tuotteet poikkeavat toisistaan sekä miten niiden toimitusketjut eroavat. Työssä esitellään kvantitatiivisia ja kvalitatiivisia menetelmiä kysynnän ennustamiseen erityyppisille tuotteille ja sitä kuinka ennustemenetelmä tulisi tuotteille valita. Työssä käydään läpi ennusteprosessi, ennusteiden suorituskyvyn mittaaminen ja ennustamisen hyödyt ja sudenkuopat. Työn käytännönosuus on tehty kohdeyritykselle, joka toimii terveydenhuollonalan maahantuojana ja tukkuyrityksenä. Työn tarkoituksena on luoda yritykselle ennusteenvalintatyökalu, jonka avulla voidaan valita yrityksen toisistaan poikkeaville tuotteille tarpeeseen sopivia kysynnän ennusteita. Työssä luodaan ennusteet neljälle yrityksen toisistaan poikkeavalle tuoteryhmälle, joista jokaisella on erilainen tarve ennusteen käytölle. Jokaisesta tuoteryhmästä on valittu yhdestä kolmeen tuotetta, joille luodaan ennusteet käyttäen yhtä tai kahta erilaista menetelmää ja niiden suoriutumista verrataan yksinkertaisimpaan menetelmään, naiiviin menetelmän tuloksiin.

Vuokrataloyhtiö muuttuvassa toimintaympäristössä

Suurin osa Suomen vuokrataloyhtiöistä perustettiin 60- ja 70-luvuilla. Tuolloin oli selkeä kuva asuntojen tarpeesta, sijainneista, koosta ja varustetasosta. Asuntotuotantoon kohdistetut rahoitusmuodot koettiin onnistuneiksi ja toimiviksi. Toimintaympäristön muutokset ovat tänään huomattavasti nopeampia kuin tutkimuksen kohteena olevan yhtiön perustamisen aikaan, yli neljäkymmentä vuotta sitten. Vuokrataloyhtiön on pystyttävä varautumaan yllättäviin muutoksiin ja pyrkiä tunnistamaan muuttuvat elementit. Tämä diplomityö pyrkii selvittämään, mitä vaihtoehtoisia tulevaisuudenkuvia on olemassa. Työ perustuu samalla tulevaisuudentutkimuksen kirjallisuusteoriaan ja sen peruslähtökohtiin. Empiirinen osuus perustuu tutkittavan vuokrataloyhtiön historiaan, nykyisyyteen ja tulevaisuuteen tehtyjen ratkaisujen dokumentteihin. Vuokrataloyhtiön ympäristö on täynnä tunnistettavia ominaisuuksia, verkostoja ja rakenteellisia aukkoja. Ympäristöstä tulee osata poimia ne asiat, joiden perusteella eri skenaario- ja ennakointimenetelmät laaditaan. Ennakointi ei ole ennustamista. Skenaario - ja ennakointimenetelmien hyödyntäminen on avoin prosessi, joka sisältää tutkimuskysymyksiä, lähtökohtia, joita tarkennetaan prosessin edetessä. Vuokrataloyhtiön on osattava hyödyntää nämä menetelmät osana strategian suunnitteluaan, jotta se pärjää myös tulevaisuudessa muuttuvassa toimintaympäristössään.

Tuotannon ja varastonhallinnan kehittäminen kysyntäennusteiden avulla

Diplomityön tavoitteena on tutkia kysyntäennusteiden hyödyntämistä valmistavan teollisuusyrityksen tuotannossa ja varastonhallinnassa. Työn alussa esitellään kysynnän tuntemiseen ja ennustamiseen liittyvään teoriaan, jonka jälkeen tutkitaan teorian tarjoamia mahdollisuuksia linkittää kysyntäennusteet tuotannon ja varastonhallinnan avuksi. Työn empiria osassa kuvataan ensin Peikko Group Oy:n kysyntäennusteiden nykytilanne. Tämän jälkeen vertaillaan kahden eri lähestymistavan soveltuvuutta, joilla kohdeyritys voisi mahdollisesti rakentaa tuotannolle ja varastonhallinnalle tarpeellisia kysyntäennusteita päätöksenteon tueksi. Tuotannon kannalta työn keskeisin tulos on kysyntäennusteiden pohjalta muodostettu kuormaennuste ja varastonhallinnan kannalta tarvittavan ennustetarkkuuden määrittäminen, jotta ennusteita voitaisiin hyödyntää varastonohjausparametrien määrityksessä.

Graph-based algorithms for comparison and prediction of household-level energy use profiles

We present an efficient graph-based algorithm for quantifying the similarity of household-level energy use profiles, using a notion of similarity that allows for small time–shifts when comparing profiles. Experimental results on a real smart meter data set demonstrate that in cases of practical interest our technique is far faster than the existing method for computing the same similarity measure. Having a fast algorithm for measuring profile similarity improves the efficiency of tasks such as clustering of customers and cross-validation of forecasting methods using historical data. Furthermore, we apply a generalisation of our algorithm to produce substantially better household-level energy use forecasts from historical smart meter data.

Três ensaios sobre política monetária e crédito

In the first essay, "Determinants of Credit Expansion in Brazil", analyzes the determinants of credit using an extensive bank level panel dataset. Brazilian economy has experienced a major boost in leverage in the first decade of 2000 as a result of a set factors ranging from macroeconomic stability to the abundant liquidity in international financial markets before 2008 and a set of deliberate decisions taken by President Lula's to expand credit, boost consumption and gain political support from the lower social strata. As relevant conclusions to our investigation we verify that: credit expansion relied on the reduction of the monetary policy rate, international financial markets are an important source of funds, payroll-guaranteed credit and investment grade status affected positively credit supply. We were not able to confirm the importance of financial inclusion efforts. The importance of financial sector sanity indicators of credit conditions cannot be underestimated. These results raise questions over the sustainability of this expansion process and financial stability in the future. The second essay, “Public Credit, Monetary Policy and Financial Stability”, discusses the role of public credit. The supply of public credit in Brazil has successfully served to relaunch the economy after the Lehman-Brothers demise. It was later transformed into a driver for economic growth as well as a regulation device to force private banks to reduce interest rates. We argue that the use of public funds to finance economic growth has three important drawbacks: it generates inflation, induces higher loan rates and may induce financial instability. An additional effect is the prevention of market credit solutions. This study contributes to the understanding of the costs and benefits of credit as a fiscal policy tool. The third essay, “Bayesian Forecasting of Interest Rates: Do Priors Matter?”, discusses the choice of priors when forecasting short-term interest rates. Central Banks that commit to an Inflation Target monetary regime are bound to respond to inflation expectation spikes and product hiatus widening in a clear and transparent way by abiding to a Taylor rule. There are various reports of central banks being more responsive to inflationary than to deflationary shocks rendering the monetary policy response to be indeed non-linear. Besides that there is no guarantee that coefficients remain stable during time. Central Banks may switch to a dual target regime to consider deviations from inflation and the output gap. The estimation of a Taylor rule may therefore have to consider a non-linear model with time varying parameters. This paper uses Bayesian forecasting methods to predict short-term interest rates. We take two different approaches: from a theoretic perspective we focus on an augmented version of the Taylor rule and include the Real Exchange Rate, the Credit-to-GDP and the Net Public Debt-to-GDP ratios. We also take an ”atheoretic” approach based on the Expectations Theory of the Term Structure to model short-term interest. The selection of priors is particularly relevant for predictive accuracy yet, ideally, forecasting models should require as little a priori expert insight as possible. We present recent developments in prior selection, in particular we propose the use of hierarchical hyper-g priors for better forecasting in a framework that can be easily extended to other key macroeconomic indicators.

Um framework para a previsão de cenários com o uso de sistemas híbridos neurogenéticos para compra e venda de energia elétrica no mercado futuro

No contexto da previsão de séries temporais, é grande o interesse em estudos de métodos de previsão de séries temporais que consigam identificar as estruturas e padrões existentes nos dados históricos, possibilitando gerar os próximos padrões da série. A proposta defendida nesta tese é a de desenvolvimento de um framework que utilize ao máximo as potencialidades das técnicas de previsão (redes neurais artificiais) com as técnicas de otimização (algoritmos genéticos) em um sistema híbrido intercomunicativo que aproveite bem as vantagens de cada uma dessas técnicas para a geração de cenários futuros que possam mostrar, além das previsões normais com base nos valores históricos, percursos alternativos das curvas das séries temporais analisadas.