Ziel dieses Teilprojektes zur mathematischen Modellierung ist es, neurobiologische Risikoprofile einschliesslich genetischer Risikofaktoren in Jugendlichen zu errechnen, die 'Binge-Drinking' und später im Leben auftretende Alkoholerkrankungen prädizieren. Um dies zu erreichen, wird mit Hilfe von Verfahren des maschinellen Lernens eine integrative statistische Analyse der genetischen, neuropsychologischen, Bildgebungs- und Verhaltensdaten der IMAGEN und NGFN-Datensätze durchgeführt. In der ersten Phase werden multivariate Methoden auf die funktionellen Bildgebungsdaten angewandt, um 'Regions of Interest' (ROIs) zu definieren. Diese ROIs werden dann mit relevanten neuropsychologischen Scores korreliert. Mit Hilfe von aktuellen Klassifikationsverfahren werden prädiktive Modelle auf diesen Verfahren trainiert. In der zweiten Phase werden wir auf Assoziationen der resultierenden neurobehavioralen Risikoprofile mit einem Satz an Kandidatengenen testen, die durch die genetische Pipeline impliziert werden. In einer dritten Phase werden wir prädiktive Modelle auf genetischen, neuropsychologischen, Verhaltens- und Bildgebungsmerkmalen trainieren.