Ανάπτυξη πληροφοριακού συστήματος για την επεξεργασία δεδομένων γενετικών τόπων που βρίσκονται σε ανισορροπία σύνδεσης
Περίληψη
Σκοπός αυτής της διατριβής είναι η ανάπτυξη βιοπληροφορικών μεθόδων για την εξαγωγή συμπερασμάτων από πληθυσμιακές μελέτες με δεδομένα για το Μείζον Σύμπλεγμα Ιστοσυμβατότητας (ΜΣΙ). Ειδικότερα είναι η δημιουργία ενός πληροφοριακού συστήματος για τη διαχείριση δεδομένων από γενετικούς τόπους που βρίσκονται σε ανισορροπία σύνδεσης (linkage disequilibrium). Το σύστημα που έχει αναπτυχθεί ονομάζεται DHLAS (Database HLA Analysis System) και συνδυάζει την διαχείριση γενετικών δεδομένων - μέσω μιας Βάσης Δεδομένων (ΒΔ) - για το ΜΣΥ και την στατιστική τους επεξεργασία . Αν και υπάρχουν αρκετά στατιστικά προγράμματα που χρησιμοποιούν αλγορίθμους για την ανάλυση και επεξεργασία γενετικών δεδομένων, κανένα από αυτά δεν συνδυάζει μια (ΒΔ) και στατιστική επεξεργασία. Η διαδικασία που συνήθως ακολουθείται είναι η δημιουργία ενός ενδιάμεσου αρχείου με τα δεδομένα, το οποίο στη συνέχεια χρησιμοποιείται από το λογισμικό στατιστικής ανάλυσης. Παράλληλα βελτιώθηκε μια νέα μέθοδος για την ταξινόμηση αντι ...
περισσότερα
Περίληψη σε άλλη γλώσσα
The aim of this dissertation is to develop bioinformatic methods to examine and analyze MHC population data. In particular, to design and develop an informatics system to manage genetic data in linkage disequilibrium. The system that has been developed is called DHLAS (Database HLA Analysis System) and combines data management facilities – which are supported by a Relational Database Management System (RDBMS) – as well as advanced statistical procedures. Although there are numerous statistical software packages that use diverse algorithms to analyze genetic, the researcher usually produces an intermediate data file which is supplied to a statistical application data. None of these tools integrates a RDBMS targeting genetic population studies together with the appropriate statistical methods to analyze these data. Furthermore, a methodology to classify subjects has been enhanced and applied to MHC population data. This methodology is based on a non-parametric decision tree approach know ...
περισσότερα
Κατεβάστε τη διατριβή σε μορφή PDF (2.99 MB)
(Η υπηρεσία είναι διαθέσιμη μετά από δωρεάν εγγραφή)
|
Όλα τα τεκμήρια στο ΕΑΔΔ προστατεύονται από πνευματικά δικαιώματα.
|
Στατιστικά χρήσης
ΠΡΟΒΟΛΕΣ
Αφορά στις μοναδικές επισκέψεις της διδακτορικής διατριβής για την χρονική περίοδο 07/2018 - 07/2023.
Πηγή: Google Analytics.
Πηγή: Google Analytics.
ΞΕΦΥΛΛΙΣΜΑΤΑ
Αφορά στο άνοιγμα του online αναγνώστη για την χρονική περίοδο 07/2018 - 07/2023.
Πηγή: Google Analytics.
Πηγή: Google Analytics.
ΜΕΤΑΦΟΡΤΩΣΕΙΣ
Αφορά στο σύνολο των μεταφορτώσων του αρχείου της διδακτορικής διατριβής.
Πηγή: Εθνικό Αρχείο Διδακτορικών Διατριβών.
Πηγή: Εθνικό Αρχείο Διδακτορικών Διατριβών.
ΧΡΗΣΤΕΣ
Αφορά στους συνδεδεμένους στο σύστημα χρήστες οι οποίοι έχουν αλληλεπιδράσει με τη διδακτορική διατριβή. Ως επί το πλείστον, αφορά τις μεταφορτώσεις.
Πηγή: Εθνικό Αρχείο Διδακτορικών Διατριβών.
Πηγή: Εθνικό Αρχείο Διδακτορικών Διατριβών.