Volltextdatei(en) vorhanden
Titel: Analysing deep-seq data to reveal the hidden translational features in normal and pathological conditions
Sonstige Titel: Analyse von Deep-Seq-Daten, um die verborgenen Translation Merkmale unter normalen und pathologischen Bedingungen aufzudecken
Sprache: Englisch
Autor*in: Chelysheva, Irina
Schlagwörter: Bioinformatics; RNA-seq; Ribo-Seq
GND-Schlagwörter: Bioinformatik; Sequenzanalyse <Chemie>
Erscheinungsdatum: 2020
Tag der mündlichen Prüfung: 2020-06-12
Zusammenfassung: 
Rapidly developing deep sequencing technologies constantly increase both, the precision and the depth, of the datasets produced worldwide. The enormous amount of big biological data in research causes the need for continuous integration of novel bioinformatics tools and algorithms to process it. In order to extract the most valuable information, which is frequently hidden, and therefore escapes from the common pipelines of analysis, the specific algorithms fitting a particular scientific question and data-type, has to be integrated. In this thesis, using three successful deep sequencing-based studies, I am showing the importance of in-depth bioinformatics analysis as the last and frequently the crucial step in the research pipeline, which allows to combine various experimental setups into one flow.

In dieser Arbeit zeige ich mithilfe dreier erfolgreicher deep-sequencing Studien die Wichtigkeit von gründlichen bioinformatischen Analysen als letzten und damit auch entscheidenden Schritt in die Forschungskette auf, was uns erlaubt, verschiedene experimentelle Setups in einem Schritt durchzuführen. Um die wertvollsten Informationen zu extrahieren, welche oftmals versteckt sind und dadurch von üblichen Analysepipelines nicht ermittelt werden können, muss man spezifische Algorithmen entwickeln, die exakt auf eine wissenschaftliche Frage oder Datentyp zugeschnitten sind. Rasch entwickelte "Deep sequencing" Technologien erhöhen sowohl die Präzision als auch die Tiefe der Datenbestände, die weltweit produziert werden. Die enorme Quantität an biologischen Daten in der Forschung resultiert in der Notwendigkeit für kontinuierlich neue bioinformatische Werkzeuge und Algorithmen, um diese Daten zu prozessieren.
URL: https://ediss.sub.uni-hamburg.de/handle/ediss/8399
URN: urn:nbn:de:gbv:18-104724
Dokumenttyp: Dissertation
Betreuer*in: Torda, Andrew (Prof. Dr.)
Enthalten in den Sammlungen:Elektronische Dissertationen und Habilitationen

Dateien zu dieser Ressource:
Datei Beschreibung GrößeFormat  
Dissertation.pdf8.32 MBAdobe PDFÖffnen/Anzeigen
Zur Langanzeige

Diese Publikation steht in elektronischer Form im Internet bereit und kann gelesen werden. Über den freien Zugang hinaus wurden durch die Urheberin / den Urheber keine weiteren Rechte eingeräumt. Nutzungshandlungen (wie zum Beispiel der Download, das Bearbeiten, das Weiterverbreiten) sind daher nur im Rahmen der gesetzlichen Erlaubnisse des Urheberrechtsgesetzes (UrhG) erlaubt. Dies gilt für die Publikation sowie für ihre einzelnen Bestandteile, soweit nichts Anderes ausgewiesen ist.

Info

Seitenansichten

71
Letzte Woche
Letzten Monat
geprüft am 08.05.2021

Download(s)

49
Letzte Woche
Letzten Monat
geprüft am 08.05.2021
Werkzeuge

Google ScholarTM

Prüfe