Benutzer: Gast  Login
Originaltitel:
Deep generative modeling of transcriptional dynamics and data-view agnostic inference of cellular state changes with single-cell omics data
Übersetzter Titel:
Deep-learning generative Modellierung von Transkriptionsdynamiken und datenagnostische Inferenz zellulärer Zustandsänderungen mittels Einzelzell-omics-Daten
Autor:
Weiler, Philipp Fabian
Jahr:
2025
Dokumenttyp:
Dissertation
Fakultät/School:
TUM School of Computation, Information and Technology
Institution:
Lehrstuhl für Mathematische Modellierung biologischer Systeme (Prof. Theis)
Betreuer:
Theis, Fabian J. (Prof. Dr. Dr.)
Gutachter:
Theis, Fabian J. (Prof. Dr. Dr.); Pe'er, Dana (Prof. Dr.); Buenrostro, Jason (Prof. Dr.)
Sprache:
en
Fachgebiet:
BIO Biowissenschaften
TU-Systematik:
BIO 110; MAT 022
Kurzfassung:
Single-cell genomics is revolutionizing the field of biology to recover cellular trajectories and fate, for example. Although existing methods have proven powerful in many settings, they leave room for improvement: Approaches focus on specific data aspects and do not generalize to newly emerging data modalities, or include restrictive modeling paradigms. To overcome these limitations, this dissertation describes a deep generative model for inferring RNA velocity and a framework to unifying fate...     »
Übersetzte Kurzfassung:
Die Einzelzellgenomik revolutioniert den Bereich der Biologie, indem sie z. B. die zellulären Abläufe und das Schicksal von Zellen aufdeckt. Obwohl sich die bestehenden Methoden in vielen Bereichen als erfolgreich erwiesen haben, lassen sie noch Raum für Verbesserungen: Die Ansätze konzentrieren sich auf spezifische Datenaspekte und lassen sich nicht auf neu entstehende Datenmodalitäten verallgemeinern, oder sie beinhalten restriktive Modellierungsannahmen. Um diese Einschränkungen zu überwinden...     »
WWW:
https://mediatum.ub.tum.de/?id=1747815
Eingereicht am:
05.07.2024
Mündliche Prüfung:
13.01.2025
Dateigröße:
9019011 bytes
Seiten:
82
Urn (Zitierfähige URL):
https://nbn-resolving.org/urn:nbn:de:bvb:91-diss-20250113-1747815-0-4
Letzte Änderung:
13.02.2025
 BibTeX