User: Guest  Login
Original title:
Bayesian Inference for Stochastic Differential Equation Models of Intracellular Processes 
Translated title:
Bayessche Inferenz für stochastische Differentialgleichungsmodelle von intrazellulären Prozessen 
Year:
2021 
Document type:
Dissertation 
Institution:
Fakultät für Mathematik 
Advisor:
Theis, Fabian J. (Prof. Dr. Dr.) 
Referee:
Theis, Fabian J. (Prof. Dr. Dr.); Fuchs, Christiane (Prof. Dr.); Grecksch, Wilfried (Prof. Dr.) 
Language:
en 
Subject group:
MAT Mathematik 
TUM classification:
BIO 110; MAT 022 
Abstract:
Stochastic differential equation (SDE) models are a powerful tool to generate systems biological insights, but in order to harness their capabilities, several important aspects need to be considered. We explore computationally efficient inference methods for SDEs, prove essential mathematical results for an SDE model of the translation kinetics after mRNA transfection, and analyze the benefits of this SDE model in terms of parameter identifiability. 
Translated abstract:
Stochatische Differentialgleichungsmodelle (SDE-Modelle) bieten viel Potenzial für die Erkenntnisgewinnung in der Systembiologie. Um dieses Potenzial nutzen zu können, gilt es mehrere wichtige Aspekte zu berücksichtigen. Wir untersuchen rechnerisch effiziente Inferenzmethoden für SDEs, beweisen grundlegende Resultate für ein SDE-Modell für die Translationskinetik nach mRNA-Transfektion und analysieren die Vorteile dieses SDE-Modells in Hinblick auf die Identifizierbarkeit von Parametern. 
Oral examination:
24.06.2021 
File size:
10341207 bytes 
Pages:
185 
Last change:
30.07.2021