Bayesian Inference for Stochastic Differential Equation Models of Intracellular Processes

Pieschner, Susanne

User: Guest

Susanne Pieschner

If you experience problems opening the document, please try this link.

Original title:: Bayesian Inference for Stochastic Differential Equation Models of Intracellular Processes
Translated title:: Bayessche Inferenz für stochastische Differentialgleichungsmodelle von intrazellulären Prozessen
Author:: Pieschner, Susanne
Year:: 2021
Document type:: Dissertation
Faculty/School:: Fakultät für Mathematik
Advisor:: Theis, Fabian J. (Prof. Dr. Dr.)
Referee:: Theis, Fabian J. (Prof. Dr. Dr.); Fuchs, Christiane (Prof. Dr.); Grecksch, Wilfried (Prof. Dr.)
Language:: en
Subject group:: MAT Mathematik
TUM classification:: BIO 110; MAT 022
Abstract:: 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.
Translated abstract:: 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.
WWW:: https://mediatum.ub.tum.de/?id=1586312
Date of submission:: 26.01.2021
Oral examination:: 24.06.2021
File size:: 10341207 bytes
Pages:: 185
Urn (citeable URL):: https://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:91-diss-20210624-1586312-1-7
Last change:: 30.07.2021
BibTeX