Benutzer: Gast  Login
Originaltitel:
From RNA-sequencing to imaging flow cytometry: Profiling large single-cell datasets with machine learning
Übersetzter Titel:
Von RNA-Sequenzierung bis zur bildgebenden Durchflusszytometrie: Analyse großer Einzelzelldatensätze mit maschinellem Lernen
Autor:
Chlis, Nikolaos Kosmas
Jahr:
2020
Dokumenttyp:
Dissertation
Fakultät/School:
Fakultät Wissenschaftszentrum Weihenstephan
Betreuer:
Theis, Fabian J. (Prof. Dr. Dr.)
Gutachter:
Theis, Fabian J. (Prof. Dr. Dr.); Menze, Björn (Prof. Dr.)
Sprache:
en
Fachgebiet:
BIO Biowissenschaften; MAT Mathematik
TU-Systematik:
BIO 110d; MAT 022d
Kurzfassung:
Single-cell profiling methods allow for the quantification of the distinct footprint of each individual cell in a population. This unique property allows them to provide insight into biological properties, such as cellular heterogeneity and identification of rare cell populations. In this thesis, I tackle the task of computationally extracting biologically relevant information from data acquired with high-throughput single-cell profiling methods, which is inherently challenging due to the large...     »
Übersetzte Kurzfassung:
Methoden zur Analyse von Einzelzellen ermöglichen die Quantifizierung des Einflusses jeder einzelnen Zelle auf die Gesamtpopulation. Dies ermöglicht uns Einblicke in die zelluläre Heterogenität und Identifizierung seltener Zellpopulationen. In dieser Arbeit beschäftige ich mich mit der Aufgabe, biologisch relevante Informationen aus Daten zu extrahieren, die mit Hochdurchsatz-Einzelzellanalysemethoden erhoben wurden. Dies ist aufgrund des großen Volumens und der Komplexität der erhobenen Datensä...     »
WWW:
https://mediatum.ub.tum.de/?id=1521611
Eingereicht am:
11.11.2019
Mündliche Prüfung:
15.09.2020
Dateigröße:
33611442 bytes
Seiten:
197
Urn (Zitierfähige URL):
https://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:91-diss-20200915-1521611-1-0
Letzte Änderung:
16.11.2020
 BibTeX