Matemaatika ja statistika instituut

Selle valdkonna püsiv URIhttps://hdl.handle.net/10062/14972

Kuni 2015 Matemaatilise statistika intituut

Sirvi

Sirvi Matemaatika ja statistika instituut Autor "Aasmets, Oliver" järgi

Tulemuste filtreerimiseks trükkige paar esimest tähte
Nüüd näidatakse 1 - 2 2
  • Pisipilt
    Kirje
    Geneetiliste mõjude hindamine kinnitava faktoranalüüsiga
    (Tartu Ülikool, 2015) Aasmets, Oliver; Fischer, Krista, juhendaja; Tartu Ülikool. Matemaatika-informaatikateaduskond; Tartu Ülikool. Matemaatilise statistika instituut
    Genoomikapõhise personaalse meditsiini väljatöötamiseks soovitakse inimese genotüübiandmete põhjal ennustada haiguste tekkimise riske. Geneetiliste mõjude hindamisel kasutatakse enim ühenukleotiidsete polümorfismide (SNP) markereid, mis on inimese geneetilise varieeruvuse põhilisemaid avaldumisviise. DNA-ahelal lähestikku paiknevad SNP-d on omavahel tugevasti korreleeritud, seetõttu kasutatakse geeni mõju hindamisel enamasti ainult piirkonna kõige olulisemat markerit. Käesoleva bakalaureusetöö eesmärk on anda ülevaade struktuurivõrrandite mudelitest ning rakendada metoodika ühte erijuhtu - kinnitavat faktoranalüüsi, hindamaks geenipiirkonna mõju, kasutades kõiki piirkonnas mõõdetud geneetilisi markereid.
  • Pisipilt
    Kirje
    Mikrobioomi andmete analüüs
    (2018) Aasmets, Oliver; Fischer, Krista, juhendaja; Org, Elin, juhendaja; Tartu Ülikool. Loodus- ja täppisteaduste valdkond; Tartu Ülikool. Matemaatika ja statistika instituut
    Inimese soolestikus on suur hulk erinevaid baktereid, mis täidavad organismi jaoks mitmeid olulisi funktsioone. Käesoleva magistritöö eesmärk on uurida, kas teist tüüpi diabeedi eelses seisundis indiviidide soolestiku bakterikoosluses on muudatusi võrreldes tervete indiviidide bakterikooslusega. Võrreldakse bakterikoosluse puhul huvitavaid α- ning β - mitmekesisuse näitajaid. Seejärel uuritakse Mendeli randomiseerimise skeemi abil, missugune võiks olla bakterikoosluse liigirikkuse põhjuslik mõju prediabeedile.Lisaks uuritakse, kas leidub üksikuid baktereid, mis esinevad tervete ja prediabeetikute mikrobioomides erineva sagedusega kasutades selleks kompositsionaalsete andmete analüüsimiseks mõeldud meetodeid. Kirjeldatakse kopositsionaalsete andmete jaoks mõeldud seose tugevuse näitajat uurimaks, kas soolestiku mikrobioomis on liike, mis esinevad soolestiku keskkonnas enamasti koos. Lisaks modelleeritakse prediabeedi esinemist logistilise regressiooni ning regulariseeritud logistilise regressiooniga.