Messungen und Datenanalyse in Anbetracht von Rauschen und komplexem Bias – Fortschritte aus verbesserten bioinformatischen Algorithmen

Abstract

Die hier vorgestellte kumulative Dissertation im Bereich der Bioinformatik spiegelt die Bandbreite dieses Gebiets wieder und spannt einen Bogen von der direkten Auswertung von Meßergebnissen, über die Detektion von Signalen in einem komplexen Hintergrund, bis zur Frage der optimalen dynamischen Ressourceallokation bei der Exekution mehrstufiger Analyseabläufe. In jedem der Bereiche werden beispielhaft Fortschritte durch moderne bioinformatische Ansätze präsentiert. Insbesondere zeige ich (1) wie Genexpressionsmessungen aus Sequenziermethoden der nächsten Generation verbessert werden können, (2) wie empirische anwendungsspezifische Hintergrundmodelle die Entdeckung neuer funktionaler Proteinsequenzmotive auch in Proteinregionen von starkem kompositionellen Bias erlauben, und (3) erste Schritte auf beider Überwachung von Ressource bedarf in heterogenen Analyseabläufen in der Cloud.