Hochleistungsalgorithmen für die metabolische 13C Stofffluss-Analyse

系统生物学和代谢工程中的Die Stofffluss-Analyse （SFA）和Standardwerkzeug zur experimentellin - quantifizierung der stofffl<e:1> sse（“Fluxom”）在metabolischen Netzwerken etabliert中。[1] [1] [1] [1] [1] [1] [1] [1] [1] [1] [1] [1] [1] [1] [1] [1] [1] [1] [1] [1] [1] [1] [1] [1] [1] [1] [1] [1]<s:1>系统生物学研究与发展（Hochdurchsatz-SFA, nicchlineare statisticsche Verfahren, modelselektion, isotopisch instationäre SFA） reicht die Performanz beststeder Algorithmen nicht mehr aus, so pass die erschöpfende rechnergestzte Auswertung der Experimente zum Engpass wind。(1)基于网络分析，Formale Sprachen，计算机代数，代码生成，贝叶斯方法，聚类和网格计算，可视化)，基于同位素标记的实验，基于数据的分析，基于数据的分析，基于数据的分析，基于数据的分析，基于数据的分析，基于数据的分析，基于数据的分析，基于数据的分析，基于数据的分析。大北风在德国大学的销售者Ansatz verfolt， der keinlei Einschränkungen bzgl。netzwerktopology order messconfiguration verlangt and allle zusätzlich getroffenen Annahmen präzise dokumentiert。实验同位素学instationäre实验同位素学与实验同位素学的结合。

Die Stofffluss-Analyse (SFA) hat sich in Systembiologie und Metabolic Engineering als Standardwerkzeug zur experimentellen In-vivo-Quantifizierung der Stoffflüsse („Fluxom“) in metabolischen Netzwerken etabliert. Im Gegensatz zu vielen anderen biochemischen Messmethoden erfordert die SFA ein aufwändiges, modellgestütztes Auswertungsverfahren, mit dem aus 13C-Markierungsmessdaten (Rohdaten) die gesuchten Stoffflüsse berechnet werden. Für die aktuellen Anforderungen der Systembiologie (Hochdurchsatz-SFA, nichtlineare statistische Verfahren, Modellselektion, isotopisch instationäre SFA) reicht die Performanz bestehender Algorithmen nicht mehr aus, so dass die erschöpfende rechnergestützte Auswertung der Experimente zum Engpass wird. Das Projekt hat das Ziel, eine Reihe von neuen Algorithmen und Methoden, die vornehmlich aus den Kerngebieten der Informatik stammen (Netzwerkanalyse, Formale Sprachen, Computeralgebra, Codegenerierung, Bayes-Methoden, Cluster- und Grid- Computing, Visualisierung), auf die Auswertung von Isotopen-Markierungsexperimenten anzuwenden und damit die Geschwindigkeit der rechnergestützten Datenauswertung um mehrere Zehnerpotenzen zu beschleunigen. Dabei wird ein durchgehend universeller Ansatz verfolgt, der keinerlei Einschränkungen bzgl. Netzwerktopologie oder Messkonfiguration verlangt und alle zusätzlich getroffenen Annahmen präzise dokumentiert. Die zu entwickelnden Methoden werden auf Hochdurchsatzexperimente sowie isotopisch instationäre Experimente angewandt und im Vergleich zu etablierten Methoden validiert.