User: Guest  Login
If you experience problems opening the document, please try this link.
Original title:
Understanding the genome via predictive models
Translated title:
Entschlüsseln des menschlichen Genomes durch prädiktive Modelle
Author:
Avsec, Ziga
Year:
2019
Document type:
Dissertation
Faculty/School:
Fakultät für Informatik
Advisor:
Gagneur, Julien (Prof. Dr.)
Referee:
Gagneur, Julien (Prof. Dr.); Theis, Fabian (Prof. Dr. Dr.)
Language:
en
Subject group:
BIO Biowissenschaften
Keywords:
Genomics, Deep Learning, Neural networks
TUM classification:
BIO 110d
Abstract:
Recent experimental and computational advances hold the promise to understand the human genome by relating DNA sequence to molecular phenotypes such as transcription factor binding using predictive models. This thesis leverages the recent advances in deep neural networks to make DNA sequence-based predictive models more accurate and more interpretable. Additionally, it establishes an open platform for the genomics community to share trained models.
Translated abstract:
Die jüngsten experimentellen und rechnergestützten Fortschritte versprechen, das menschliche Genom zu verstehen, indem sie die DNA-Sequenz mit molekularen Phänotypen wie der Bindung von Transkriptionsfaktoren mittels prädiktiver Modelle in Beziehung setzen. Diese Dissertation nutzt die neuesten Fortschritte in tiefen neuronalen Netzen, um auf DNA-Sequenzen basierende Modelle genauer und interpretierbar zu machen. Zusätzlich wird eine offene Plattform für die Genomik-Gemeinschaft geschaffen, auf...     »
WWW:
https://mediatum.ub.tum.de/?id=1488882
Date of submission:
11.06.2019
Oral examination:
11.12.2019
File size:
55259584 bytes
Pages:
163
Urn (citeable URL):
https://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:91-diss-20191211-1488882-1-5
Last change:
20.01.2020
 BibTeX