Login
- Originaltitel:
- Developing Ensemble Learning and Neural Network Architectures for Technical Variation Removal and Missing View Imputation in Multi-Timepoint Omics Data
- Übersetzter Titel:
- Entwicklung von Ensemble-Lernen und neuronalen Netzwerkarchitekturen für die Beseitigung technischer Variationen und die Imputation fehlender Ansichten in Omics-Daten mit mehreren Zeitpunkten
- Autor:
- Han, Siyu
- Jahr:
- 2025
- Dokumenttyp:
- Dissertation
- Fakultät/School:
- TUM School of Medicine and Health
- Institution:
- Lehrstuhl für Translationale Genomik (HMGU) (Prof. Zeggini)
- Betreuer:
- Zeggini, Eleftheria (Prof. Dr.)
- Gutachter:
- Zeggini, Eleftheria (Prof. Dr.); Frishman, Dmitrij (Prof. Dr.)
- Sprache:
- en
- Fachgebiet:
- BIO Biowissenschaften; CIT Chemie-Ingenieurwesen, Technische Chemie, Biotechnologie
- TU-Systematik:
- BIO 180; CIT 972
- Kurzfassung:
- Advancements in omics technologies provide multi-timepoint data, offering unique insights into temporal dynamics, with unique potential for personalized healthcare. However, technical variations and missing views hinder the translation to healthcare applications. In this dissertation, TIGER and LEOPARD, two computational tools are developed to enhance the reliability and reproducibility of multi-timepoint omics datasets, enabling more robust healthcare analyses.
- Übersetzte Kurzfassung:
- Fortschritte in Omics-Technologien ermöglichen die Generierung von Daten zu verschiedenen Zeitpunkten, die einzigartige Einblicke in zeitliche Dynamiken und personalisierte Gesundheitsversorgung bieten. Technische Variationen und fehlende Ansichten erschweren jedoch die Dateninterpretation für Gesundheitsanwendungen. Die vorliegende Dissertation hat mit TIGER und LEOPARD zwei Werkzeuge zur Verbesserung der Zuverlässigkeit und Reproduzierbarkeit von Multi-Timepoint-Omics-Daten entwickelt, die rob... »
- WWW:
- https://mediatum.ub.tum.de/?id=1750395
- Eingereicht am:
- 08.08.2024
- Mündliche Prüfung:
- 14.03.2025
- Dateigröße:
- 54393093 bytes
- Seiten:
- 163
- Urn (Zitierfähige URL):
- https://nbn-resolving.org/urn:nbn:de:bvb:91-diss-20250314-1750395-0-4
- Letzte Änderung:
- 07.04.2025
BibTeX