• Medientyp: Elektronische Hochschulschrift; Dissertation; E-Book
  • Titel: Interpretable models of gene expression in single-cell immunology ; Interpretierbare Modelle beschreiben Genexpression in Einzelzellimmunologie
  • Beteiligte: Fischer, David Sebastian [VerfasserIn]
  • Erschienen: Technical University of Munich; Technische Universität München, 2023-05-31
  • Sprache: Englisch
  • Schlagwörter: Mathematik ; Biologie ; Biowissenschaften
  • Entstehung:
  • Anmerkungen: Diese Datenquelle enthält auch Bestandsnachweise, die nicht zu einem Volltext führen.
  • Beschreibung: Single-cell omics assays provide molecular characterisations of cells. Immunology has stood out as a key application of these assays and molecular states of immune cell have been described in detail. However, mechanistic insights into diseases are often still incomplete. I addressed this limitation using interpretable machine learning models for single-cell immunology in population dynamics, antigen recognition, spatial data, sample and epigenetic variation, and automated analyses. ; In Einzelzell-Omics wird der molekularen Zustand von Zellen gemessen. Dies Methoden haben in Immunologie detaillierte Beschreibungen von Immunzellen hervorgebracht. Trotz diese Datenfülle gibt es viele offene Fragen zu Krankheitsmechanismen. Mit Bezug auf diese Fragen habe ich interpretierbaren Modellen des maschinellen Lernens in Populationsdynamik, Antigenerkennung, räumlichen Abhängigkeiten von Zellen, epigenetischer und experimenteller Variation, und in automatisierten Analysen entwickelt.
  • Zugangsstatus: Freier Zugang