h1

000229177 001__ 229177
000229177 005__ 20220422221327.0
000229177 0247_ $$2URN$$aurn:nbn:de:hbz:82-opus-48168
000229177 0247_ $$2HSB$$a999910329758
000229177 0247_ $$2OPUS$$a4816
000229177 0247_ $$2Laufende Nummer$$a32697
000229177 037__ $$aRWTH-CONV-144150
000229177 041__ $$aEnglish
000229177 082__ $$a004
000229177 0847_ $$2ccs$$aJ.3
000229177 1001_ $$0P:(DE-82)088573$$aDomanova, Olga$$b0$$eAuthor
000229177 245__ $$aAutomated quantitative analysis methods for translocation of biomolecules in relation to membrane structures$$cvorgelegt von Olga Domanova$$honline, print
000229177 246_3 $$aAutomatisierte Analyseverfahren für Translokation von Biomolekülen relativ zu Membranstrukturen$$yGerman
000229177 260__ $$aAachen$$bPublikationsserver der RWTH Aachen University$$c2013
000229177 300__ $$aVI, 159 S. : Ill., graph. Darst.
000229177 3367_ $$0PUB:(DE-HGF)11$$2PUB:(DE-HGF)$$aDissertation / PhD Thesis$$bphd$$mphd
000229177 3367_ $$02$$2EndNote$$aThesis
000229177 3367_ $$2DRIVER$$adoctoralThesis
000229177 3367_ $$2BibTeX$$aPHDTHESIS
000229177 3367_ $$2DataCite$$aOutput Types/Dissertation
000229177 3367_ $$2ORCID$$aDISSERTATION
000229177 500__ $$aZsfassung in dt. und engl. Sprache
000229177 502__ $$aAachen, Techn. Hochsch., Diss., 2013$$gFak01$$o2013-10-18
000229177 520__ $$aBiological processes are complex study objects due to their dynamic nature and structural diversity of living organisms. To study dynamic processes statistically, numerous experiments with multiple observations have to be performed, and data have to be analyzed and evaluated. Owing to great technological advances, gigabytes of data are being acquired both in research and industry. Slow and subjective manual analyses are not sufficient anymore, and automated evaluation methods are required. The distribution of biomolecules provides valuable information on a current biological state. The distribution of biomolecules depends on and is influenced by functions of biomolecules, and may thus be used to detect abnormalities. The relatively young research field extit{toponomics} describes the laws of spatial arrangement of molecules. Several evaluation methods have previously been developed, automatized and standardized. However, no standard evaluation methods have been reported to quantitatively analyze such an important biological process like translocation of biomolecules. Translocation processes are vital for living organisms. For instance, substance inclusion into a cell or exclusion from it represent a translocation. Furthermore, signaling biomolecules translocate from the cytoplasm across the nuclear membrane into the nucleus to influence gene and protein expression. Investigating translocation processes may help to understand complex biological functions. It may also be used to analyze signaling events, or may even be employed for diagnostics and therapy monitoring. Manual and case-specific methods for quantitative translocation analysis are known, but fail to be generally applicable. Therefore, I have developed a novel generic automated approach. The method is based on microscopy images of biological samples. I have defined a generic method to quantitatively express distribution of biomolecules in numeric descriptors. Herewith, changes in distribution may be analyzed using different biological samples. Thus, the samples analyzed do not necessarily have to belong to a time series. Furthermore, not only cell cultures, but also tissue samples can be used for the analysis. Evaluations of cell cultures are simpler due to homogeneity and spatial separation of individual objects. However, structural polarity of the cells can be seen only in tissues. I have developed two workflows based on numeric descriptors for the distribution of bio-ewline molecules. The first workflow uses structure detection in images to localize the objects for evaluation. The second workflow avoids this complex operation by a structure-independent information extraction strategy. Both workflows are generic and may be applied to quantify a wide range of translocation processes.$$leng
000229177 5203_ $$aBiologische Prozesse sind komplex aufgrund ihrer Dynamik und struktureller Vielfalt lebender Organismen. Um dynamische Prozesse statistisch zu untersuchen, sollten zahlreiche Experimente mit mehreren Beobachtungen durchgeführt werden. Dank der großen technologischen Fortschritte werden Gigabyte von Daten erfasst, sowohl in der Forschung als auch in der Industrie. Diese müssen analysiert und ausgewertet werden. Mühsame und subjektive manuelle Analysen sind nicht mehr ausreichend, und automatisierte Auswerteverfahren sind unerlässlich. Die Verteilung von Biomolekülen liefert wertvolle Informationen zum aktuellen biologischen Zustand von Organismen. Der biologische Zustand hängt von der Aktivität von Biomolekülen ab. Deswegen kann die Verteilung von Biomolekülen analysiert werden um Anomalien zu detektieren. Das relativ junge Forschungsfeld Toponomics beschreibt die Gesetze der räumlichen Anordnung von Molekülen. Mehrere in der Literatur beschriebene Auswerteverfahren wurden automatisiert und standardisiert. Es gibt jedoch keine Standardauswerteverfahren für quantitative Analyse eines wichtigen biologischen Prozesses wie die Translokation von Biomolekülen. Translokationsprozesse sind lebenswichtig. Aufnahme von Substanzen in eine Zelle oder deren Ausschluss stellen, zum Beispiel, eine Translokation dar. Außerdem translozieren Signalmoleküle aus dem Zytoplasma durch die Kernmembran in den Zellkern, um Gen-und Proteinexpression zu beeinflussen. Untersuchung der Translokationsprozesse könnte helfen, komplexe biologische Funktionen zu verstehen. Translokationsprozesse könnten auch analysiert werden, um Signalwege zu identifizieren, oder sogar um Diagnose- und Therapieverfahren zu entwickeln. Unterschiedliche Methoden für die quantitative Analyse von Translokation sind bekannt, aber meist manuell oder fallspezifisch und damit nicht allgemein anwendbar. Deshalb habe ich einen neuen generischen automatisierten Ansatz entwickelt. Das Verfahren basiert auf Mikroskopiebildern von biologischen Proben. Ich habe eine generische Methode definiert, um die Verteilung von Biomolekülen in numerischen Deskriptoren quantitativ auszudrücken. Hiermit können Veränderungen in der Verteilung in unterschiedlichen biologischen Proben analysiert werden. Dies ist vorteilhaft, da die Methode unabhängig davon funktioniert, ob Einzelbilder vorliegen, oder Zeitreihen. Darüber hinaus können nicht nur Zellkulturen, sondern auch Gewebeproben zur Analyse verwendet werden. Auswertungen von Zellkulturen sind einfacher aufgrund der Homogenität und räumlicher Trennung der einzelnen Objekte. Allerdings kann strukturelle Polarität der Zellen nur in Gewebe sichtbar sein. Ich habe zwei Workflows basierend auf numerischen Deskriptoren für die Verteilung von Biomolekülen entwickelt. Der erste Workflow setzt Strukturerkennung in Bildern ein, um Objekte für Auswertung zu lokalisieren. Der zweite Workflow vermeidet diese komplexe Operation durch eine strukturunabhängige Informationsextraktionstrategie. Beide Workflows sind generisch und könnten angewendet werden, um eine breite Palette von Translokationsprozessen zu quantifizieren.$$lger
000229177 591__ $$aGermany
000229177 650_7 $$2SWD$$aTranslokation
000229177 650_7 $$2SWD$$aQuantitative Analyse
000229177 650_7 $$2SWD$$aBildverarbeitung
000229177 650_7 $$2SWD$$aBiomolekül
000229177 653_7 $$aInformatik
000229177 653_7 $$2ger$$aToponomics
000229177 653_7 $$2eng$$atranslocation
000229177 653_7 $$2eng$$atoponomics
000229177 653_7 $$2eng$$amolecule distribution
000229177 653_7 $$2eng$$aquantitative analysis
000229177 7001_ $$0P:(DE-82)IDM04476$$aBerlage, Thomas$$b1$$eThesis advisor$$urwth
000229177 8564_ $$uhttps://publications.rwth-aachen.de/record/229177/files/4816.pdf
000229177 909CO $$ooai:publications.rwth-aachen.de:229177$$pVDB$$pdriver$$purn$$popen_access$$popenaire$$pdnbdelivery
000229177 915__ $$0StatID:(DE-HGF)0510$$2StatID$$aOpenAccess
000229177 9201_ $$0I:(DE-82)120000_20140620$$k120000$$lFachgruppe Informatik$$x0
000229177 9201_ $$0I:(DE-82)122620_20140620$$k122620$$lLehr- und Forschungsgebiet Life Science Informatik$$x1
000229177 961__ $$c2014-05-23$$x2014-01-31$$z2012-02-20
000229177 970__ $$aHT018093573
000229177 980__ $$aphd
000229177 980__ $$aI:(DE-82)120000_20140620
000229177 980__ $$aI:(DE-82)122620_20140620
000229177 980__ $$aVDB
000229177 980__ $$aUNRESTRICTED
000229177 980__ $$aConvertedRecord
000229177 980__ $$aFullTexts
000229177 9801_ $$aFullTexts