Algebraische Statistik in der Bioinformatik

Ziel des Forschungsvorhabens is es，parametrische Probleme der Bioinformatik mit kombinierten Methoden der algebraischen Geometrie und der Stadium effizient zu lösen.在生物信息学中，概率统计模型是可用的，也是韦尔登美国的。用于序列比对、遗传学和生物学网络模型。这是一个关于Makel的模型，它包含了一个参数的大的Anzahl，从特定的Wahl到推理问题的Lösungen。生物学合理的Lösungen sollten diese Sensitivität aber nicht aufweisen。Die Berechnung阿勒optimalen Lösungen，d.h.参数化推理问题的学习，解决了Robustheitsanalysen。Im beantragten Forschungsvorhaben sollen effiziente für parametrische Inferenzprobleme grafischer Modelle und deren biologischer Anwendungen entwickelt韦尔登.大北韦尔登代数方法的推广。该Kernidee dieser jungen Disziplin besteht darin，diskrete Wahrscheinlichkeitsverteilungen algebraisch zu charakterisieren und deren Geometrie and Kombinatorik zu untersuchen.这一研究包括经典问题，如基因组学和测序注释，以及复杂的进化过程和调控基因组学模型，以及新的生物信息学问题，如HIV药物耐药性的进化和抗病毒药物联合治疗的最佳化。

Ziel des Forschungsvorhabens ist es, parametrische Probleme der Bioinformatik mit kombinierten Methoden der algebraischen Geometrie und der Statistik effizient zu lösen. Probabilistische grafische Modelle sind in der Bioinformatik weit verbreitet und werden u.a. zur Berechnung von Sequenzalignments, zur Gensuche und zur Modellierung biologischer Netzwerke benutzt. Vielen dieser Modelle haftet der Makel an, dass sie eine große Anzahl von Parametern beinhalten, von deren spezifischer Wahl die Lösungen der Inferenzprobleme abhängen. Biologisch plausible Lösungen sollten diese Sensitivität aber nicht aufweisen. Die Berechnung aller optimalen Lösungen, d.h. die Lösung des parametrischen Inferenzproblems, ermöglicht solche Robustheitsanalysen. Im beantragten Forschungsvorhaben sollen effiziente Algorithmen für parametrische Inferenzprobleme grafischer Modelle und deren biologischer Anwendungen entwickelt werden. Dabei werden Methoden der algebraischen Statistik angewandt. Die Kernidee dieser jungen Disziplin besteht darin, diskrete Wahrscheinlichkeitsverteilungen algebraisch zu charakterisieren und deren Geometrie und Kombinatorik zu untersuchen. Die Anwendungen beinhalten klassische Probleme, wie Gensuche und Sequenzannotation, aktuelle Probleme, wie die Modellierung komplexen Evolutionsprozesse und regulatorischer Gennetzwerke, und neuere Probleme der Bioinformatik, wie die Evolution von HIV-Medikamentenresistenz und die Optimierung antiviraler Kombinationstherapien.