Webbläsaren som du använder stöds inte av denna webbplats. Alla versioner av Internet Explorer stöds inte längre, av oss eller Microsoft (läs mer här: * https://www.microsoft.com/en-us/microsoft-365/windows/end-of-ie-support).

Var god och använd en modern webbläsare för att ta del av denna webbplats, som t.ex. nyaste versioner av Edge, Chrome, Firefox eller Safari osv.

Foto på Albertas Dvirnas

Albertas Dvirnas

Gästforskare

Foto på Albertas Dvirnas

Methods for barcode analysis in optical DNA mapping

Författare

  • Albertas Dvirnas

Summary, in English

This thesis is composed of six papers, which all concern different methods and tools used for the analysis of barcodes in nanochannel-based Optical DNA Mapping (ODM). The first four papers consider densely-labeled barcodes while the last two consider sparsely-labeled barcodes.

Paper I presents a combinatorial auction algorithm for contig assembly ussing ODM barcodes as scaffolds.

Paper II concerns mapping of ODM barcodes on the human genome.

Paper III deals with bacterial typing.

Paper IV solves structural variation detection problem for competitive binding barcodes using Hidden Markov Models.

Paper V proposes the use of Sliding Frank-Wolfe methods for sparse-labeled single-frame ODM.

Paper VI extends the Sliding Frank-Wolfe methods from the analysis of single frame barcodes to multi-frame setting, where barcodes over multiple time-frames are averaged to improve the resolution.

Avdelning/ar

  • Beräkningsbiologi och biologisk fysik - Har omorganiserats

Publiceringsår

2021-12-13

Språk

Engelska

Dokumenttyp

Doktorsavhandling

Förlag

MediaTryck Lund

Ämne

  • Biophysics

Nyckelord

  • DNA Barcoding
  • Optical Mapping
  • Computational Biology

Status

Published

Handledare

  • Tobias Ambjörnsson

ISBN/ISSN/Övrigt

  • ISBN: 978-91-8039-126-9
  • ISBN: 978-91-8039-125-2

Försvarsdatum

25 januari 2022

Försvarstid

10:00

Försvarsplats

Lundmarksalen, Astronomihuset. Join via zoom: https://lu-se.zoom.us/j/64941727808?pwd=RUphOWZQMUhVVitwVFdZNUlwbk5ydz09 (Passcode: 2022)

Opponent

  • Jonas Nyvold Pedersen (Associate Professor)