Stochastic Modeling of Heterogeneous Low-Input Gene Expression: Linking Single-Cell Probability Distributions to Transcription Mechanisms
Translated title:
Stochastische Modellierung von heterogener Low-Input-Genexpression: Verknüpfung von Einzelzell-Wahrscheinlichkeitsverteilungen mit Transkriptionsmechanismen
Author:
Amrhein, Lisa
Year:
2021
Document type:
Dissertation
Faculty/School:
Fakultät für Mathematik
Advisor:
Theis, Fabian J. (Prof. Dr. Dr.)
Referee:
Theis, Fabian J. (Prof. Dr. Dr.); Fuchs, Christiane (Prof. Dr.); Pfaffelhuber, Peter (Prof. Dr.)
Language:
en
Subject group:
MAT Mathematik
Abstract:
Determining transcriptional tissue heterogeneity is crucial for understanding development and disease. The design of a model-based analysis tool requires the selection of a suitable probability distribution in terms of model estimation and biological plausibility. This thesis promotes biological explainability by linking distributions to stochastic transcription processes. We extend the models to measurements of small cell pools by mathematical convolution and apply them to simulated and real data using frequentist and Bayesian inference.
«
Determining transcriptional tissue heterogeneity is crucial for understanding development and disease. The design of a model-based analysis tool requires the selection of a suitable probability distribution in terms of model estimation and biological plausibility. This thesis promotes biological explainability by linking distributions to stochastic transcription processes. We extend the models to measurements of small cell pools by mathematical convolution and apply them to simulated and real da...
»
Translated abstract:
Die Bestimmung der Gewebszusammensetzungen hilft beim Verständnis genetischer Entwicklungen und Krankheiten. Modellbasierte Analysen erfordern die Auswahl einer Wahrscheinlichkeitsverteilung, die geeignet für Modellschätzung und biologisch plausibel ist. In dieser Arbeit werden diese mit Transkriptionsmodellen verknüpft was deren biologische Erkärbarkeit fördert. Durch mathematische Faltungen erweitern wir die Modelle auf kleine Zellpoolmessungen und wenden sie auf verschiedene Daten mittels frequentistischer und Bayes'scher Inferenz an.
«
Die Bestimmung der Gewebszusammensetzungen hilft beim Verständnis genetischer Entwicklungen und Krankheiten. Modellbasierte Analysen erfordern die Auswahl einer Wahrscheinlichkeitsverteilung, die geeignet für Modellschätzung und biologisch plausibel ist. In dieser Arbeit werden diese mit Transkriptionsmodellen verknüpft was deren biologische Erkärbarkeit fördert. Durch mathematische Faltungen erweitern wir die Modelle auf kleine Zellpoolmessungen und wenden sie auf verschiedene Daten mittels fre...
»