Benutzer: Gast  Login
Wenn Sie Schwierigkeiten haben, das Dokument zu öffnen, versuchen Sie auch bitte diesen Link
Originaltitel:
Bayesian Inference for Stochastic Differential Equation Models of Intracellular Processes
Übersetzter Titel:
Bayessche Inferenz für stochastische Differentialgleichungsmodelle von intrazellulären Prozessen
Autor:
Pieschner, Susanne
Jahr:
2021
Dokumenttyp:
Dissertation
Fakultät/School:
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.
WWW:
https://mediatum.ub.tum.de/?id=1586312
Eingereicht am:
26.01.2021
Mündliche Prüfung:
24.06.2021
Dateigröße:
10341207 bytes
Seiten:
185
Urn (Zitierfähige URL):
https://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:91-diss-20210624-1586312-1-7
Letzte Änderung:
30.07.2021
 BibTeX