Benutzer: Gast  Login
Originaltitel:
Data science approaches to decipher immune processes
Übersetzter Titel:
Data Science Ansätze zum Entschlüsseln von Immunprozessen
Autor:
Höllbacher, Barbara
Jahr:
2024
Dokumenttyp:
Dissertation
Fakultät/School:
TUM School of Computation, Information and Technology
Institution:
Informatik 12 - Lehrstuhl für Bioinformatik (Prof. Rost)
Betreuer:
Heinig, Matthias (Dr.)
Gutachter:
Heinig, Matthias (Dr.); Gagneur, Julien (Prof. Dr.)
Sprache:
en
Fachgebiet:
BIO Biowissenschaften
TU-Systematik:
BIO 110
Kurzfassung:
We devised data analysis strategies to gain new insights into mechanisms of innate and adaptive immunity. Through a custom machine learning workflow we identified sequence determinants that predict glucocorticoid-mediated gene expression changes in macrophages. Furthermore, we investigated CD8 T cells in the context of exhaustion. We found that a diverse progenitor repertoire is preemptively formed irrespective of the infection outcome and that IL-2 treatment can expand non-exhausted cells in a...     »
Übersetzte Kurzfassung:
Wir haben Datenanalysestrategien entwickelt, um neue Erkenntnisse zur angeborenen und adaptiven Immunität zu gewinnen. Mittels Maschinelles Lernen konnten wir Sequenzdeterminanten identifizieren, die Glukokortikoid-induzierte Genexpressionsveränderungen in Makrophagen vorhersagen. Zudem haben wir CD8 T Zellen im Kontext der Erschöpfung untersucht und festgestellt, dass, unabhängig vom Infektionsausgang, vorsorglich ein diverses Verläuferrepertoire gebildet wird, sowie dass IL-2-Behandlung nicht...     »
WWW:
https://mediatum.ub.tum.de/?id=1720764
Eingereicht am:
27.09.2023
Mündliche Prüfung:
01.03.2024
Dateigröße:
32085816 bytes
Seiten:
136
Urn (Zitierfähige URL):
https://nbn-resolving.org/urn:nbn:de:bvb:91-diss-20240301-1720764-1-6
Letzte Änderung:
01.03.2025
 BibTeX