Please use this identifier to cite or link to this item: http://dx.doi.org/10.25673/196
Title: Discriminative Bayesian principles for predicting sequence signals of gene regulation
Author(s): Grau, Jan
Referee(s): Posch, Stefan, Prof. Dr.-Ing.
Schliep, Alexander, Prof. Dr.
Granting Institution: Martin-Luther-Universität Halle-Wittenberg
Issue Date: 2010
Extent: Online-Ressource (X, 208 S. = 20,49 mb)
Type: Hochschulschrift
Type: PhDThesis
Exam Date: 2010-07-15
Language: English
Publisher: Universitäts- und Landesbibliothek Sachsen-Anhalt
URN: urn:nbn:de:gbv:3:4-3185
Subjects: Sequentialanalyse
Statistische Analyse
Online-Publikation
Hochschulschrift
Abstract: Diese Arbeit untersucht den Nutzen des diskriminativen Bayes’schen Maximum-Supervised-Posterior- (MSP-) Prinzips für Anwendungen der statistischen Sequenzanalyse. Das MSP-Prinzip verlangt eine numerische Optimierung der Modellparameter. Deshalb wurden Parametertransformationen entwickelt, die die beschränkten Standardparameter bekannter Modelle auf unbeschränkte Parameter für die numerische Optimierung abbilden. Entsprechend wurden auch die konjugierten Priordichten transformiert. Es konnte gezeigt werden, dass das Lernen der Parameter geeigneter Modelle mittels MSP-Prinzip zur Verbesserung der Vorhersage von Transkriptionsfaktorbindestellen, Donor-Spleißstellen und Nukleosomen-Positionen und der de-novo Suche cis-regulatorischer Module führt. Aussichtsreiche Ergebnisse konnten zudem für die Vorhersage von miRNA-Zielen erreicht werden. Das diskriminative MSP-Prinzip dürfte deshalb von grundsätzlichem Nutzen für die statistische Analyse und Klassifikation biologischer Sequenzen sein.
URI: https://opendata.uni-halle.de//handle/1981185920/6803
http://dx.doi.org/10.25673/196
Open Access: Open access publication
License: In CopyrightIn Copyright
Appears in Collections:Biochemie

Files in This Item:
File Description SizeFormat 
Discriminative Bayesian principles for predicting sequence signals of gene regulation.pdf20.98 MBAdobe PDFThumbnail
View/Open