systems biology, data quality, modeling, error propagation, metabolomics, microbioreactor, biosensor
TU-Systematik:
CIT 900d; CIT 009d
Kurzfassung:
In systembiologischen Projekten werden experimentelle Daten erhoben, interpretiert und für weitere Analysen und Studien als Eingangsgrößen eingesetzt. Dabei rückt das Stichwort Datenqualität immer weiter in den Fokus, denn nur eine hohe Datenqualität kann valide Erkenntnisse gewährleisten. Die vorliegende Dissertation stellt einen allgemeinen Leitfaden, sowie verschiedene Modellansätze und Analysemethoden vor, um die Qualität erhobener Daten zu ermitteln und zu analysieren. Die beschriebenen Methoden können zur Verarbeitung von Roh- zu Nutzdaten eingesetzt werden, bieten die Möglichkeit, den kompletten Prozess von der Probenahme bis zu den Rohdaten zu analysieren und zu optimieren und stellen eine konsistente Dokumentation aller experimentellen und theoretischen Prozesse dar, die zur Datenerzeugung herangezogen wurden.
«
In systembiologischen Projekten werden experimentelle Daten erhoben, interpretiert und für weitere Analysen und Studien als Eingangsgrößen eingesetzt. Dabei rückt das Stichwort Datenqualität immer weiter in den Fokus, denn nur eine hohe Datenqualität kann valide Erkenntnisse gewährleisten. Die vorliegende Dissertation stellt einen allgemeinen Leitfaden, sowie verschiedene Modellansätze und Analysemethoden vor, um die Qualität erhobener Daten zu ermitteln und zu analysieren. Die beschriebenen Met...
»
Übersetzte Kurzfassung:
During systems biological projects experimental data is collected, interpreted, und applied for further analysis and studies. Thereby, data quality plays a more and more important role. Only high data quality ensures valid scientific insights. These dissertation presents a general guidline and various modeling and analyzing techniques to estimate and analyse experimental data quality. The introduced methods can be applied to process raw data to used data and provide the opportunity to analyse and optimize the complete experimental workflow. In addition, this approach ensures a consistent documentation of all experimental and theoretical processes involved in the data generation workflow.
«
During systems biological projects experimental data is collected, interpreted, und applied for further analysis and studies. Thereby, data quality plays a more and more important role. Only high data quality ensures valid scientific insights. These dissertation presents a general guidline and various modeling and analyzing techniques to estimate and analyse experimental data quality. The introduced methods can be applied to process raw data to used data and provide the opportunity to analyse an...
»