Schmiester, Leonard Günter
[Author]
;
Hasenauer, Jan P.
[Contributor];
Hasenauer, Jan P. ;Kuttler, Christina ;Banga, Julio
[Contributor]
Efficient parameter optimization for ordinary differential equation models of biological processes using semi-quantitative and qualitative data ; Effiziente Parameteroptimierung für gewöhnliche Differentialgleichungsmodelle biologischer Prozesse unter Verwendung semi-quantitativer und qualitativer Daten
You can manage bookmarks using lists, please log in to your user account for this.
Media type:
Doctoral Thesis;
Electronic Thesis;
E-Book
Title:
Efficient parameter optimization for ordinary differential equation models of biological processes using semi-quantitative and qualitative data ; Effiziente Parameteroptimierung für gewöhnliche Differentialgleichungsmodelle biologischer Prozesse unter Verwendung semi-quantitativer und qualitativer Daten
Contributor:
Schmiester, Leonard Günter
[Author]
Published:
Technical University of Munich; Technische Universität München, 2022-02-17
Footnote:
Diese Datenquelle enthält auch Bestandsnachweise, die nicht zu einem Volltext führen.
Description:
Ordinary differential equation (ODE) models in systems biology often comprise unknown parameters which have to be inferred from measurements. This is commonly done by optimizing the agreement of model simulation and measurements. However, experiments often only provide semi-quantitative or even qualitative data. In this thesis, we develop efficient methods for parameter estimation of ODE models based on (i) relative data by combining scalable gradient computation and hierarchical optimization and on (ii) qualitative data by deriving a more efficient framework for the optimal scaling method. ; Gewöhnliche Differentialgleichungsmodelle (ODE) in der Systembiologie enthalten oft unbekannte Parameter, die aus Messungen geschätzt werden müssen. Dies geschieht häufig durch Optimierung der Übereinstimmung von Modellsimulation und Messung. Experimente liefern jedoch oft nur semi-quantitative oder sogar nur qualitative Daten. In dieser Arbeit entwickeln wir effiziente Methoden zur Parameterschätzung von ODE-Modellen auf der Basis von (i) relativen Daten durch Kombination von skalierbarer Gradientenberechnung und hierarchischer Optimierung und auf der Basis von (ii) qualitativen Daten durch Herleitung eines effizienteren Frameworks für die optimal scaling Methode.