Gagneur, Julien (Prof. Dr.); Huckle, Thomas (Prof. Dr.)
Sprache:
en
Fachgebiet:
BIO Biowissenschaften
TU-Systematik:
BIO 110d
Kurzfassung:
This thesis establishes statistical models for long longitudinal data coming from genome-wide sequencing-based experiments. It is shown how generalized additive models can be effectively applied to model chromatin immunoprecipitation followed by sequencing data and how these models allow improved differential analysis and principled peak calling. Effective algorithms to fit these models to complete genomes combining approximated parallelization schemes and sparse matrix techniques are provided.
Übersetzte Kurzfassung:
In der Thesis werden statistische Modelle für longitudinale Daten von genomweiten Sequenzierungsexperimenten entwickelt. Es wird gezeigt wie Generalisierte Additive Modelle effektiv angewandt werden können, um Daten aus Experimenten der Chromatin-Immunpräzipitation mit anschließender DNA-Sequenzierung im Hochdurchsatz zu modellieren. Diese Modelle ermöglichen Verbesserungen in der Differential Analysis und dem Peak Calling. Effiziente Algorithmen zur Schätzung dieser Modelle auf dem gesamten Genom, basierend auf approximativen Parallelisierungsstrategien und Techniken zur Lösung dünnbesetzter Matrizen werden ausführlich erläutert.
«
In der Thesis werden statistische Modelle für longitudinale Daten von genomweiten Sequenzierungsexperimenten entwickelt. Es wird gezeigt wie Generalisierte Additive Modelle effektiv angewandt werden können, um Daten aus Experimenten der Chromatin-Immunpräzipitation mit anschließender DNA-Sequenzierung im Hochdurchsatz zu modellieren. Diese Modelle ermöglichen Verbesserungen in der Differential Analysis und dem Peak Calling. Effiziente Algorithmen zur Schätzung dieser Modelle auf dem gesamten Gen...
»