Startseite
English
Erweiterte Suche
Durchblättern nach ...
Publikationen im Überblick
Ansprechpartner
Hilfe
 |
|
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.
Weitere Metriken?
Zusatzinfos bearbeiten
[➜Einloggen]
Publikationstyp
Sonstiges: Hochschulschrift
Typ der Hochschulschrift
Dissertationsschrift
Quellenangaben
Seiten: 152 S.
Hochschule
Technische Universität München
Hochschulort
München
Fakultät
TUM School of Computation, Information and Technology
Nichtpatentliteratur
Publikationen
Institut(e)
Institute of Computational Biology (ICB)