Kernel-based machine learning on sequence data from proteomics and immunomics [Elektronische Ressource] / vorgelegt von Nico Pfeifer

Nico Pfeifer

Description

Kernel-based Machine Learningon Sequence Data from Proteomicsand ImmunomicsDissertationder Fakult¨at fu¨r Informations- und Kognitionswissenschaftender Eberhard-Karls-Universit¨at Tu¨bingenzur Erlangung des Grades einesDoktors der Naturwissenschaften(Dr. rer. nat.)vorgelegt vonM.Sc. Nico Pfeiferaus HannoverTu¨bingen2009Tag der mu¨ndlichen Qualifikation: 22.07.2009Dekan: Prof. Dr. Oliver Kohlbacher1. Berichterstatter: Prof. Dr. Oliver Kohlbacher2. Berichterstatter: Prof. Dr. Knut ReinertZusammenfassungEin großesAnwendungsgebiet fu¨r Maschinelle Lernverfahren ist die Biologie.Hierbei reichen die Anwendungen von der Vorhersage von Genen u¨ber dieVorhersage der Aktivit¨at von Wirkstoffen bis hin zur Vorhersage der dreidi-mensionalen Struktur eines Proteins. Im Rahmen dieser Dissertation wur-den kernbasierte Lernverfahren entwickelt in den Bereichen der Proteomikund der Immunomik. Alle Anwendungen haben hierbei das Ziel, bestimmteEigenschaften von Teilen von Proteinen, so genannten Peptiden, vorherzusa-gen, welche in vielen biologischen Prozessen eine wichtige Rolle spielen.Im ersten Teil der Dissertation stellen wir einen neuen Kern vor, der zusam-men mit einer Support-Vektor-Maschine benutzt werden kann, um das chro-matographische Verhalten von Peptiden in Umkehrphasen-Flu¨ssigchromato-graphie und starker Anionenaustauschchromatographie vorherzusagen.

Sujets

• Informatik
• Biologie

Informations

• Publié par: eberhard_karls_universitat_tubingen
• Publié le: 01 janvier 2009
• Nombre de lectures: 42
• Langue: Deutsch
• Poids de l'ouvrage: 6 Mo

Extrait