Questa tesi presenta un approccio all'analisi dei dati omici in cui viene modelllta l componente spaziale. Utilizzando modelli a campi gaussiani con approccio basato sulle equazioni differenziali stocastiche parziali (SPDE), si affronta il problema della dipendenza spaziale nei dati. Il modello, applicato su dati omici spazialmente distribuiti, cattura le correlazioni tra le osservazioni, migliorando l'interpretazione delle relazioni biologiche. Viene inoltre utilizzata una distribuzione negativa binomiale per gestire la sovradispersione tipica dei dati omici.

Analisi di dati omici con dipendenza spaziale: un modello binomiale negativo con campo gaussiano

ANZOLI, STEFANO
2023/2024

Abstract

Questa tesi presenta un approccio all'analisi dei dati omici in cui viene modelllta l componente spaziale. Utilizzando modelli a campi gaussiani con approccio basato sulle equazioni differenziali stocastiche parziali (SPDE), si affronta il problema della dipendenza spaziale nei dati. Il modello, applicato su dati omici spazialmente distribuiti, cattura le correlazioni tra le osservazioni, migliorando l'interpretazione delle relazioni biologiche. Viene inoltre utilizzata una distribuzione negativa binomiale per gestire la sovradispersione tipica dei dati omici.
2023
Spatially Dependent Omics Data Analysis: A Gaussian Field Negative Binomial Model
dati omici
dati spaziali
binomiale negativo
File in questo prodotto:
File Dimensione Formato  
Anzoli_Stefano.pdf

accesso riservato

Dimensione 5.91 MB
Formato Adobe PDF
5.91 MB Adobe PDF

The text of this website © Università degli studi di Padova. Full Text are published under a non-exclusive license. Metadata are under a CC0 License

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/20.500.12608/77750