5. Fazit

In dieser Masterarbeit werden genetische Daten mittels explorativer Methoden und KI-gestützter Modelle analysiert, um familiäre Strukturen und Krankheitsmuster zu untersuchen. Die Methodik basiert auf Literaturrecherche, Praxisexperimenten, Datenanalyse und Ergebnisinterpretation, ergänzt durch eine Evaluierungsumfrage. Durch die Identifikation von Mutationen und die Quantifizierung von Ähnlichkeiten mittels Jaccard-Index werden zwei Ähnlichkeitsgruppen gebildet. Die detaillierte Analyse der Chromosomen zeigt, dass kleinere Chromosomen eine dichtere Verteilung von Genotypen aufweisen und homozygote Genotypen dominieren. Durch den Abgleich mit GWAS- und SNPedia-Datenbanken werden Zusammenhänge zwischen genetischen Daten und Krankheiten wie Autismus, Leukämie und bestimmten Krebserkrankungen aufgezeigt. Clustering-Methoden und neuronale Netze ermöglichen die Vorhersage von Verwandtschaftsgraden mit hoher Genauigkeit. Die Arbeit liefert wertvolle Erkenntnisse für die Präzisionsmedizin und die Ahnenforschung, trotz einiger Herausforderungen und Einschränkungen.