Functional characterization and annotation of trait-associated genomic regions by transcriptome analysis

Yang Du

doi:10.18453/rosdok_id00001444

Yang Du

Functional characterization and annotation of trait-associated genomic regions by transcriptome analysis

Universität Rostock, 2014

https://doi.org/10.18453/rosdok_id00001444

Abstract: In dieser Arbeit werden zwei neuartige Implementierungen präsentiert, die im Design und in der Datenanalyse von genomischen Hochdurchsatz-Experiment hilfreich sein könnten. Die erste Implementierung bildet eine effiziente und flexible Auswahl-Pipeline für Tiling-Proben, basierend auf einem Eindeutigkeitsmaß mit einer Maluswertung. Als zweite Implementierung wurde ein neuartiges Hidden-Semi-Markov-Modell (HSMM) im Bioconductor Projekt verfügbar gemacht.

Dissertation Freier Zugang

Titel:

Functional characterization and annotation of trait-associated genomic regions by transcriptome analysis

Beteiligte Personen:

Yang Du[VerfasserIn]
	1062825780
Thomas Kirste , Prof. Dr.-ing.[AkademischeR BetreuerIn]
	137244754
	Universität Rostock, Fakultät für Informatik und Elektrotechnik
Wimmers Klaus , Prof. Dr. rer. nat.[AkademischeR BetreuerIn]
	Leibniz-Institut für Nutztierbiologie, Genombiologie
Füllen Georg , Prof. Dr. rer. nat.[AkademischeR BetreuerIn]
	Universitätsmedizin Rostock, Institut für Biostatistik und Informatik in Medizin und Alternsforschung
Mario Stanke , Prof. Dr.[AkademischeR BetreuerIn]
	128916303
	Universität Greifswald, Institut für Mathematik und Informatik

Beteiligte Körperschaften:

Universität Rostock, Fakultät für Informatik und Elektrotechnik[Grad-verleihende Institution]
	10085032-7

Zusammenfassung:

In this work, two novel implementations have been presented, which could assist in the design and data analysis of high-throughput genomic experiments. An efficient and flexible tiling probe selection pipeline utilizing the penalized uniqueness score has been implemented, which could be employed in the design of various types and scales of genome tiling task. A novel hidden semi-Markov model (HSMM) implementation is made available within the Bioconductor project, which provides a unified interface for segmenting genomic data in a wide range of research subjects. [Englisch]

In dieser Arbeit werden zwei neuartige Implementierungen präsentiert, die im Design und in der Datenanalyse von genomischen Hochdurchsatz-Experiment hilfreich sein könnten. Die erste Implementierung bildet eine effiziente und flexible Auswahl-Pipeline für Tiling-Proben, basierend auf einem Eindeutigkeitsmaß mit einer Maluswertung. Als zweite Implementierung wurde ein neuartiges Hidden-Semi-Markov-Modell (HSMM) im Bioconductor Projekt verfügbar gemacht. [Deutsch]

Dokumenttyp:

Dissertation

Einrichtung:

Fakultät für Informatik und Elektrotechnik

Sprache:

Englisch

Sachgruppe der DNB:

000 Allgemeines, Wissenschaft

570 Biowissenschaften, Biologie

Veröffentlichung /
Entstehung:

Rostock

Rostock: Universität Rostock