User: Guest  Login
Original title:
Understanding the genome via predictive models 
Translated title:
Entschlüsseln des menschlichen Genomes durch prädiktive Modelle 
Year:
2019 
Document type:
Dissertation 
Institution:
Fakultät für Informatik 
Advisor:
Gagneur, Julien (Prof. Dr.) 
Referee:
Gagneur, Julien (Prof. Dr.); Theis, Fabian (Prof. Dr. Dr.) 
Language:
en 
Subject group:
BIO Biowissenschaften 
Keywords:
Genomics, Deep Learning, Neural networks 
TUM classification:
BIO 110d 
Abstract:
Recent experimental and computational advances hold the promise to understand the human genome by relating DNA sequence to molecular phenotypes such as transcription factor binding using predictive models. This thesis leverages the recent advances in deep neural networks to make DNA sequence-based predictive models more accurate and more interpretable. Additionally, it establishes an open platform for the genomics community to share trained models. 
Translated abstract:
Die jüngsten experimentellen und rechnergestützten Fortschritte versprechen, das menschliche Genom zu verstehen, indem sie die DNA-Sequenz mit molekularen Phänotypen wie der Bindung von Transkriptionsfaktoren mittels prädiktiver Modelle in Beziehung setzen. Diese Dissertation nutzt die neuesten Fortschritte in tiefen neuronalen Netzen, um auf DNA-Sequenzen basierende Modelle genauer und interpretierbar zu machen. Zusätzlich wird eine offene Plattform für die Genomik-Gemeinschaft geschaffen, auf...    »
 
Oral examination:
11.12.2019 
File size:
55259584 bytes 
Pages:
163 
Last change:
20.01.2020