Personalisierte medizinische Entscheidungen in der Krebstherapie stützen sich zunehmend auf große Patientendaten. Tumorbiomarker werden jedoch häufig außerhalb ihres informativen Bereichs fehlinterpretiert, was dazu führt, dass Biomarker übersehen werden und deren gemeinsame Klassifizierungsleistung leidet. Ausgangspunkt für das Vorhaben ist eine beim Antragsteller bereits entwickelte statistische Lösung, die so genannte "dataset restriction", welche den informativen Bereich von Biomarkerwerten findet, um irrelevante Informationen zu verwerfen und die Klassifizierung von Patientenproben zu verbessern. Die Methode wurde bereits zur Vorhersage klinisch signifikanter Hepatitis bei mit Immun-Checkpoint-Inhibitoren behandelten Melanompatienten angewendet. Die Methode wurde bereits auch auf andere biologische Messungen von Krebspatientinnen und -patienten ausgedehnt um die Entdeckung und Klassifizierung von Biomarkern durch maschinelle Lernmodelle zu verbessern. Diese Daten beinhalten Gen- und Proteinexpressionsdaten sowie Darmbakterienprofile von Melanompatienten. Derzeit ist das Tool für die Nutzung allerdings auf erfahrene Bioinformatikerinnen und Bioinformatiker beschränkt. In diesem Vorhaben soll eine kostenlose und benutzerfreundliche Webschnittstelle für Kliniker oder Biologen geschaffen werden, um dataset restriction auf ihre multivariaten Biomarker-Datensätze anzuwenden. Das Tool wird anhand von Forschungsdatensätzen weiter validiert.