edoc-Server der Humboldt-Universität zu Berlin

Dissertation

Autor(en): Hendrik Hache
Titel: Computational analysis of gene regulatory networks
Gutachter: Edda Klipp; Hans Lehrach; Joachim Selbig
Erscheinungsdatum: 23.12.2009
Volltext: pdf (urn:nbn:de:kobv:11-100104026)
Fachgebiet(e): Biowissenschaften, Biologie
Schlagwörter (ger): Modellierung, Genregulatorische Netzwerke, Reverse Engineering, Systembiologie
Schlagwörter (eng): modeling, systems biology, gene regulatory networks, reverse engineering
Einrichtung: Humboldt-Universität zu Berlin, Mathematisch-Naturwissenschaftliche Fakultät I
Zitationshinweis: Hache, Hendrik: Computational analysis of gene regulatory networks; Dissertation, Humboldt-Universität zu Berlin, Mathematisch-Naturwissenschaftliche Fakultät I , publiziert am 23.12.2009, urn:nbn:de:kobv:11-100104026
Metadatenexport: Um den gesamten Metadatensatz im Endnote- oder Bibtex-Format zu speichern, klicken Sie bitte auf den entsprechenden Link. Endnote   Bibtex  
print on demand: Wenn Sie auf dieses Icon klicken, können Sie ein Druckexemplar dieser Publikation bestellen.
Diese Seite taggen: Diese Icons führen auf so genannte Social-Bookmark-Systeme, auf denen Sie Lesezeichen anlegen, persönliche Tags vergeben und Lesezeichen anderer Nutzer ansehen können.
  • connotea
  • del.icio.us
  • Furl
  • RawSugar

Abstract (ger):
Genregulation bezeichnet die geregelte Steuerung der Genexpression durch das Zusammenspiel einer Vielzahl von Transkriptionsfaktoren die in ihrer Gesamtheit hoch komplexe und zell-spezifische genregulatorische Netzwerke bilden. Im Rahmen meiner Arbeit beschäftigte ich mich mit zwei Ansätzen der computergestützten Analyse solcher Netzwerke, Modellierung und Reverse Engineering. Der erste Teil meiner Arbeit beschreibt die Entwicklung der Web-Anwendung GEne Network GEnerator (GeNGe). Hierbei handelt es sich um ein System für die automatische Erzeugung von genregulatorischen Netzwerken. Hierfür entwickelte und implementierte ich einen neuartigen Algorithmus für die Generierung von Netzwerkstrukturen die wichtige Eigenschaften biologischer Netzwerke zeigen. Für die dynamische Beschreibung der Transkription modifizierte ich eine nicht-lineare Kinetik. Diese neue Formulierung der Kinetik eignet sich besonders für die Erstellung von komplexen genregulatorischen Modellen am Computer. Desweiteren unterstützt GeNGe die Durchführung verschiedener in silico Experimente, um theoretische Aussagen über den Einfluss von Störungen des Systems treffen zu können. Der zweite Teil meiner Arbeit beschreibt die Entwicklung von GNRevealer. Es handelt sich hierbei um eine Methode zur Rekonstruktion von genregulatorischen Netzwerken auf Basis zeitdiskreter Messungen der Genexpression. Diese Methode verwendet ein neuronales Netz zusammen mit einem passenden Lernalgorithmus (backpropagation through time). Modifizierungen, welche notwendig für die Anwendung im Reverse Engineering Bereich sind, wurden von mir entwickelt, wie z.B. die Etablierung eines vollständigen Lernprozesses, die Diskretisierung der Ergebnisse und anschließende Validierungen. Im letzten Teil dieser Arbeit beschreibe ich eine Studie, in der sechs verschiedene Reverse Engineering Anwendungen von mir miteinander verglichen wurden. Diese Untersuchung hebt GNRevealer als geeignetste Anwendung aller getesteten Methoden hervor.
Abstract (eng):
Gene regulation is accomplished mainly by the interplay of multiple transcription factors. This gives rise to highly complex and cell-type specific, interwoven structures of regulatory interactions summarized in gene regulatory networks. In this thesis, I address two approaches of computational analysis of such networks, forward modeling and reverse engineering. The first part of this thesis is about the Web application GEne Network GEnerator (GeNGe) which I have developed as a framework for automatic generation of gene regulatory network models. I have developed a novel algorithm for the generation of network structures featuring important biological properties. In order to model the transcriptional kinetics, I have modified an existing non-linear kinetic. This new kinetic is particularly useful for the computational set-up of complex gene regulatory models. GeNGe supports also the generation of various in silico experiments for predicting effects of perturbations as theoretical counterparts of biological experiments. Moreover, GeNGe facilitates especially the collection of benchmark data for evaluating reverse engineering methods. The second part of my thesis is about the development of GNRevealer, a method for reverse engineering of gene regulatory networks from temporal data. This computational approach uses a neural network together with a sophisticated learning algorithm (backpropagation through time). Specialized features developed in the course of my thesis include essential steps in reverse engineering processes such as the establishment of a learning workflow, discretization, and subsequent validation. Additionally, I have conducted a large comparative study using six different reverse engineering applications based on different mathematical backgrounds. The results of the comparative study highlight GNRevealer as best performing method among those under study.
Zugriffsstatistik: Die Daten für die Zugriffsstatistik der einzelnen Dokumente wurden aus den durch AWStats aggregierten Webserver-Logs erstellt. Sie beziehen sich auf den monatlichen Zugriff auf den Volltext sowie auf die Startseite. Die Zugriffsstatistik wird nicht standardisiert erfasst und kann maschinelle Zugriffe enthalten.
 
Bei Formatversionen eines Dokuments, die aus mehreren Dateien bestehen (insbesondere HTML), wird jeweils der monatlich höchste Zugriffswert auf eine der Dateien (Kapitel) des Dokuments angezeigt.
 
Um die detaillierten Zugriffszahlen zu sehen, fahren Sie bitte mit dem Mauszeiger über die einzelnen Balken des Diagramms.
Startseite: 2 Zugriffe PDF: 6 Zugriffe Startseite: 3 Zugriffe PDF: 5 Zugriffe Startseite: 3 Zugriffe PDF: 8 Zugriffe Startseite: 1 Zugriffe PDF: 16 Zugriffe Startseite: 2 Zugriffe PDF: 11 Zugriffe Startseite: 2 Zugriffe PDF: 12 Zugriffe PDF: 13 Zugriffe PDF: 7 Zugriffe PDF: 20 Zugriffe PDF: 19 Zugriffe Startseite: 3 Zugriffe PDF: 33 Zugriffe PDF: 29 Zugriffe PDF: 21 Zugriffe PDF: 39 Zugriffe PDF: 33 Zugriffe PDF: 24 Zugriffe Startseite: 1 Zugriffe PDF: 28 Zugriffe PDF: 28 Zugriffe Startseite: 1 Zugriffe PDF: 39 Zugriffe Startseite: 2 Zugriffe PDF: 41 Zugriffe Startseite: 2 Zugriffe PDF: 51 Zugriffe Startseite: 4 Zugriffe PDF: 32 Zugriffe Startseite: 2 Zugriffe PDF: 29 Zugriffe Startseite: 2 Zugriffe PDF: 24 Zugriffe Startseite: 1 Zugriffe PDF: 23 Zugriffe Startseite: 5 Zugriffe PDF: 32 Zugriffe Startseite: 3 Zugriffe PDF: 46 Zugriffe Startseite: 1 Zugriffe PDF: 32 Zugriffe Startseite: 1 Zugriffe PDF: 41 Zugriffe Startseite: 3 Zugriffe PDF: 108 Zugriffe Startseite: 2 Zugriffe PDF: 140 Zugriffe PDF: 56 Zugriffe PDF: 47 Zugriffe Startseite: 1 Zugriffe PDF: 45 Zugriffe PDF: 40 Zugriffe
Jul
11
Aug
11
Sep
11
Oct
11
Nov
11
Dec
11
Feb
12
Apr
12
May
12
Jun
12
Jul
12
Aug
12
Sep
12
Oct
12
Nov
12
Dec
12
Jan
13
Feb
13
Mar
13
Apr
13
May
13
Jun
13
Jul
13
Aug
13
Sep
13
Oct
13
Nov
13
Dec
13
Jan
14
Feb
14
Mar
14
Apr
14
May
14
Jun
14
Jul
14
Monat Jul
11
Aug
11
Sep
11
Oct
11
Nov
11
Dec
11
Feb
12
Apr
12
May
12
Jun
12
Jul
12
Aug
12
Sep
12
Oct
12
Nov
12
Dec
12
Jan
13
Feb
13
Mar
13
Apr
13
May
13
Jun
13
Jul
13
Aug
13
Sep
13
Oct
13
Nov
13
Dec
13
Jan
14
Feb
14
Mar
14
Apr
14
May
14
Jun
14
Jul
14
Startseite 2 3 3 1 2 2         3           1   1 2 2 4 2 2 1 5 3 1 1 3 2     1  
PDF 6 5 8 16 11 12 13 7 20 19 33 29 21 39 33 24 28 28 39 41 51 32 29 24 23 32 46 32 41 108 140 56 47 45 40

Gesamtzahl der Zugriffe seit Jul 2011:

  • Startseite – 47 (1.34 pro Monat)
  • PDF – 1178 (33.66 pro Monat)
 
 
Generiert am 21.08.2014, 22:04:01