Benutzer: Gast  Login
Originaltitel:
Statistical data integration for single-cell RNA-sequencing - batch effect correction and lineage inference
Übersetzter Titel:
Statistische Datenintegration für Einzelzell-RNA-Sequenzierung - Batch-Effekt-Korrektur und Abstammungsinferenz
Autor:
Büttner, Maren
Jahr:
2019
Dokumenttyp:
Dissertation
Fakultät/School:
Fakultät für Mathematik
Betreuer:
Theis, Fabian J. (Prof. Dr. Dr.)
Gutachter:
Theis, Fabian J. (Prof. Dr. Dr.); Gagneur, Julien (Prof. Dr.); Kharchenko, Peter V. (Prof., Ph.D.)
Sprache:
en
Fachgebiet:
BIO Biowissenschaften; MAT Mathematik
Stichworte:
machine learning, single-cell transcriptomics, batch effects, lineage inference
TU-Systematik:
BIO 110d; MAT 022d
Kurzfassung:
The development of single-cell transcriptomics is key to reveal cellular heterogeneity. This technology empowers sequencing of ten thousands of cells and machine learning algorithms allow dissecting such big data. This thesis presents a new test metric for assessing batch effects and benchmarks batch effect correction in scRNA-seq data. Furthermore, it determines cell fate lineage choice in the small intestinal epithelium of adult mice.
Übersetzte Kurzfassung:
Die Entwicklung der Single-Cell-Transkriptomik ist der Schlüssel zur Aufdeckung der zellulären Heterogenität. Diese Technologie ermöglicht die Sequenzierung von Zehntausenden von Zellen und maschinelle Lernalgorithmen ermöglichen die Sezierung so großer Datenmengen. Diese Arbeit stellt eine neue Testmetrik zur Beurteilung von Batch-Effekten und Benchmarks für die Batch-Effekt-Korrektur in scRNA-Seq-Daten vor. Darüber hinaus bestimmt es die Wahl der Zellschicksale im Dünndarmepithel erwachsener M...     »
WWW:
https://mediatum.ub.tum.de/?id=1473809
Eingereicht am:
12.02.2019
Mündliche Prüfung:
17.07.2019
Dateigröße:
117690986 bytes
Seiten:
185
Urn (Zitierfähige URL):
https://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:91-diss-20190717-1473809-1-6
Letzte Änderung:
01.08.2019
 BibTeX