Benutzer: Gast  Login
Wenn Sie Schwierigkeiten haben, das Dokument zu öffnen, versuchen Sie auch bitte diesen Link
Originaltitel:
Interpretable models of gene expression in single-cell immunology
Übersetzter Titel:
Interpretierbare Modelle beschreiben Genexpression in Einzelzellimmunologie
Autor:
Fischer, David Sebastian
Jahr:
2022
Dokumenttyp:
Dissertation
Fakultät/School:
TUM School of Life Sciences
Betreuer:
Theis, Fabian (Prof. Dr. Dr.)
Gutachter:
Theis, Fabian (Prof. Dr. Dr.); Yosef, Nir (Prof., Ph.D.); Stegle, Oliver (Prof. Dr.)
Sprache:
en
Fachgebiet:
BIO Biowissenschaften
TU-Systematik:
BIO 110; MAT 022
Kurzfassung:
Single-cell omics assays provide molecular characterisations of cells. Immunology has stood out as a key application of these assays and molecular states of immune cell have been described in detail. However, mechanistic insights into diseases are often still incomplete. I addressed this limitation using interpretable machine learning models for single-cell immunology in population dynamics, antigen recognition, spatial data, sample and epigenetic variation, and automated analyses.
Übersetzte Kurzfassung:
In Einzelzell-Omics wird der molekularen Zustand von Zellen gemessen. Dies Methoden haben in Immunologie detaillierte Beschreibungen von Immunzellen hervorgebracht. Trotz diese Datenfülle gibt es viele offene Fragen zu Krankheitsmechanismen. Mit Bezug auf diese Fragen habe ich interpretierbaren Modellen des maschinellen Lernens in Populationsdynamik, Antigenerkennung, räumlichen Abhängigkeiten von Zellen, epigenetischer und experimenteller Variation, und in automatisierten Analysen entwickelt.
WWW:
https://mediatum.ub.tum.de/?id=1634060
Eingereicht am:
29.11.2021
Mündliche Prüfung:
19.07.2022
Dateigröße:
4233920 bytes
Seiten:
58
Urn (Zitierfähige URL):
https://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:91-diss-20220719-1634060-1-1
Letzte Änderung:
31.05.2023
 BibTeX