PuSH - Publication Server of Helmholtz Zentrum München

Akcan, T.S.

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.
Additional Metrics?
[➜Log in]
Edit extra informations Login
Publication type Other: Thesis
Thesis type Doctoral thesis
Corresponding Author
Quellenangaben Volume: , Issue: , Pages: 152 S. Article Number: , Supplement: ,
University Technische Universität München
University place München
Faculty TUM School of Computation, Information and Technology
Non-patent literature Publications
Institute(s) Institute of Computational Biology (ICB)