Benutzer: Gast  Login
Originaltitel:
Bayesian Inference for Stochastic Differential Equation Models of Intracellular Processes 
Übersetzter Titel:
Bayessche Inferenz für stochastische Differentialgleichungsmodelle von intrazellulären Prozessen 
Jahr:
2021 
Dokumenttyp:
Dissertation 
Institution:
Fakultät für Mathematik 
Betreuer:
Theis, Fabian J. (Prof. Dr. Dr.) 
Gutachter:
Theis, Fabian J. (Prof. Dr. Dr.); Fuchs, Christiane (Prof. Dr.); Grecksch, Wilfried (Prof. Dr.) 
Sprache:
en 
Fachgebiet:
MAT Mathematik 
TU-Systematik:
BIO 110; MAT 022 
Kurzfassung:
Stochastic differential equation (SDE) models are a powerful tool to generate systems biological insights, but in order to harness their capabilities, several important aspects need to be considered. We explore computationally efficient inference methods for SDEs, prove essential mathematical results for an SDE model of the translation kinetics after mRNA transfection, and analyze the benefits of this SDE model in terms of parameter identifiability. 
Übersetzte Kurzfassung:
Stochatische Differentialgleichungsmodelle (SDE-Modelle) bieten viel Potenzial für die Erkenntnisgewinnung in der Systembiologie. Um dieses Potenzial nutzen zu können, gilt es mehrere wichtige Aspekte zu berücksichtigen. Wir untersuchen rechnerisch effiziente Inferenzmethoden für SDEs, beweisen grundlegende Resultate für ein SDE-Modell für die Translationskinetik nach mRNA-Transfektion und analysieren die Vorteile dieses SDE-Modells in Hinblick auf die Identifizierbarkeit von Parametern. 
Mündliche Prüfung:
24.06.2021 
Dateigröße:
10341207 bytes 
Seiten:
185 
Letzte Änderung:
30.07.2021