Hinweise zu Qualitätskriterien von Zeitschriften
Open-Access-Richtlinie der Helmholtz-Gemeinschaft 2016
CC Licencences
Metriken für Publikationen
Startseite
Login
English
Erweiterte Suche
Durchblättern nach ...
Publikationen im Überblick
HGF Fortschrittsbericht
OA Publikationen
Neue Publikation eintragen
Neue Publikation holen aus...
Fehlende Publikation melden
Ansprechpartner
Hilfe
Bibliometrische Indikatoren
Text
Endnote (RIS)
BibTeX |
|
möglich sobald bei der ZB eingereicht worden ist.
Deciphering Trans-acting Regulatory Molecular Mechanisms with Machine Learning.
Entschlüsselung trans-agierender regulatorischer molekularer Mechanismen mit maschinellem Lernen.
München, Technische Universität München, TUM School of Computation, Information and Technology, Diss., 2023, 152 S.
This dissertation addresses two biological challenges by employing machine learning methods on large-scale multi-omics data focusing specifically on 1) the identification of novel trans-regulatory elements modulating the promoter-proximal pausing of the Polymerase II during the transcription of protein-coding genes and 2) the identification of trans epistatic interactions as upstream trans-regulators of downstream trans target genes that underlie Coronary Artery Disease.
In der folgenden Dissertation wenden wir maschinellen Lernes auf groß angelegte Multi-Omic Daten an und fokussieren uns dabei auf 1) die Identifizierung neuer trans-regulatorischer Elemente, die die Promotor-proximale Pausierung der Polymerase II während der Transkription proteinkodierender Gene modulieren und 2) die Identifizierung von trans-epistatischen Wechselwirkungen als trans-Regulatoren von trans-Zielgenen, die der koronaren Herzkrankheit (KHK) zugrunde liegen.
Anmerkungen
Besondere Publikation
Auf Hompepage verbergern
Publikationstyp
Sonstiges: Hochschulschrift
Typ der Hochschulschrift
Dissertationsschrift
Sprache
englisch
Veröffentlichungsjahr
2023
HGF-Berichtsjahr
2023
Quellenangaben
Seiten: 152 S.
Tag d. mündl. Prüfung
2023-06-27
Betreuer
Heinig, Matthias (Dr.)
Gutachter
Heinig, Matthias (Dr.); Gagneur, Julien (Prof. Dr.)
Hochschule
Technische Universität München
Hochschulort
München
Fakultät
TUM School of Computation, Information and Technology
Institut(e)
Institute of Computational Biology (ICB)
POF Topic(s)
30205 - Bioengineering and Digital Health
Forschungsfeld(er)
Enabling and Novel Technologies
PSP-Element(e)
G-553500-001
Erfassungsdatum
2024-12-17