13879
2005
2005
eng
article
1
--
--
--
Non-linear PCA : a missing data approach
Motivation: Visualizing and analysing the potential non-linear structure of a dataset is becoming an important task in molecular biology. This is even more challenging when the data have missing values. Results: Here, we propose an inverse model that performs non-linear principal component analysis (NLPCA) from incomplete datasets. Missing values are ignored while optimizing the model, but can be estimated afterwards. Results are shown for both artificial and experimental datasets. In contrast to linear methods, non-linear methods were able to give better missing value estimations for non-linear structured data. Application: We applied this technique to a time course of metabolite data from a cold stress experiment on the model plant Arabidopsis thaliana, and could approximate the mapping function from any time point to the metabolite responses. Thus, the inverse NLPCA provides greatly improved information for better understanding the complex response to cold stress
1367-4803
allegro:1991-2014
10104317
Bioinformatics. - ISSN 1367-4803. - 21 (2005), 20, S. 3887 - 3895
Matthias Scholz
F. Kaplan
C. L. Guy
Joachim Kopka
Joachim Selbig
Institut für Informatik und Computational Science
Referiert
Institut für Informatik
696
2006
eng
doctoralthesis
1
2006-08-07
--
2006-07-17
Approaches to analyse and interpret biological profile data
Methoden zur Analyse und Interpretation biologischer Profildaten
Advances in biotechnologies rapidly increase the number of molecules of a cell which can be observed simultaneously. This includes expression levels of thousands or ten-thousands of genes as well as concentration levels of metabolites or proteins. Such Profile data, observed at different times or at different experimental conditions (e.g., heat or dry stress), show how the biological experiment is reflected on the molecular level. This information is helpful to understand the molecular behaviour and to identify molecules or combination of molecules that characterise specific biological condition (e.g., disease). This work shows the potentials of component extraction algorithms to identify the major factors which influenced the observed data. This can be the expected experimental factors such as the time or temperature as well as unexpected factors such as technical artefacts or even unknown biological behaviour. Extracting components means to reduce the very high-dimensional data to a small set of new variables termed components. Each component is a combination of all original variables. The classical approach for that purpose is the principal component analysis (PCA). It is shown that, in contrast to PCA which maximises the variance only, modern approaches such as independent component analysis (ICA) are more suitable for analysing molecular data. The condition of independence between components of ICA fits more naturally our assumption of individual (independent) factors which influence the data. This higher potential of ICA is demonstrated by a crossing experiment of the model plant Arabidopsis thaliana (Thale Cress). The experimental factors could be well identified and, in addition, ICA could even detect a technical artefact. However, in continuously observations such as in time experiments, the data show, in general, a nonlinear distribution. To analyse such nonlinear data, a nonlinear extension of PCA is used. This nonlinear PCA (NLPCA) is based on a neural network algorithm. The algorithm is adapted to be applicable to incomplete molecular data sets. Thus, it provides also the ability to estimate the missing data. The potential of nonlinear PCA to identify nonlinear factors is demonstrated by a cold stress experiment of Arabidopsis thaliana. The results of component analysis can be used to build a molecular network model. Since it includes functional dependencies it is termed functional network. Applied to the cold stress data, it is shown that functional networks are appropriate to visualise biological processes and thereby reveals molecular dynamics.
Fortschritte in der Biotechnologie ermöglichen es, eine immer größere Anzahl von Molekülen in einer Zelle gleichzeitig zu erfassen. Das betrifft sowohl die Expressionswerte tausender oder zehntausender Gene als auch die Konzentrationswerte von Metaboliten oder Proteinen. Diese Profildaten verschiedener Zeitpunkte oder unterschiedlicher experimenteller Bedingungen (z.B. unter Stressbedingungen wie Hitze oder Trockenheit) zeigen, wie sich das biologische Experiment auf molekularer Ebene widerspiegelt. Diese Information kann genutzt werden, um molekulare Abläufe besser zu verstehen und um Moleküle oder Molekül-Kombinationen zu bestimmen, die für bestimmte biologische Zustände (z.B.: Krankheit) charakteristisch sind. Die Arbeit zeigt die Möglichkeiten von Komponenten-Extraktions-Algorithmen zur Bestimmung der wesentlichen Faktoren, die einen Einfluss auf die beobachteten Daten ausübten. Das können sowohl die erwarteten experimentellen Faktoren wie Zeit oder Temperatur sein als auch unerwartete Faktoren wie technische Einflüsse oder sogar unerwartete biologische Vorgänge. Unter der Extraktion von Komponenten versteht man die Reduzierung dieser stark hoch-dimensionalen Daten auf wenige neue Variablen, die eine Kombination aus allen ursprünglichen Variablen darstellen und als Komponenten bezeichnet werden. Die Standard-Methode für diesen Zweck ist die Hauptkomponentenanalyse (PCA). Es wird gezeigt, dass - im Vergleich zur nur die Varianz maximierenden PCA - moderne Methoden wie die Unabhängige Komponentenanalyse (ICA) für die Analyse molekularer Datensätze besser geeignet sind. Die Unabhängigkeit von Komponenten in der ICA entspricht viel besser unserer Annahme individueller (unabhängiger) Faktoren, die einen Einfluss auf die Daten ausüben. Dieser Vorteil der ICA wird anhand eines Kreuzungsexperiments mit der Modell-Pflanze Arabidopsis thaliana (Ackerschmalwand) demonstriert. Die experimentellen Faktoren konnten dabei gut identifiziert werden und ICA erkannte sogar zusätzlich einen technischen Störfaktor. Bei kontinuierlichen Beobachtungen wie in Zeitexperimenten zeigen die Daten jedoch häufig eine nichtlineare Verteilung. Für die Analyse dieser nichtlinearen Daten wird eine nichtlinear erweiterte Methode der PCA angewandt. Diese nichtlineare PCA (NLPCA) basiert auf einem neuronalen Netzwerk-Algorithmus. Der Algorithmus wurde für die Anwendung auf unvollständigen molekularen Daten erweitert. Dies ermöglicht es, die fehlenden Werte zu schätzen. Die Fähigkeit der nichtlinearen PCA zur Bestimmung nichtlinearer Faktoren wird anhand eines Kältestress-Experiments mit Arabidopsis thaliana demonstriert. Die Ergebnisse aus der Komponentenanalyse können zur Erstellung molekularer Netzwerk-Modelle genutzt werden. Da sie funktionelle Abhängigkeiten berücksichtigen, werden sie als Funktionale Netzwerke bezeichnet. Anhand der Kältestress-Daten wird demonstriert, dass solche funktionalen Netzwerke geeignet sind, biologische Prozesse zu visualisieren und dadurch die molekularen Dynamiken aufzuzeigen.
urn:nbn:de:kobv:517-opus-7839
783
ST 630
SK 840
WC 7700
matthias.scholz@uni-greifswald.de, 03834 864076
Matthias Scholz
deu
swd
Bioinformatik
deu
swd
Hauptkomponentenanalyse
deu
swd
Unabhängige Komponentenanalyse
deu
swd
Neuronales Netz
deu
swd
Maschinelles Lernen
deu
swd
Fehlende Daten
deu
swd
Ackerschmalwand
deu
uncontrolled
nichtlineare PCA (NLPCA)
deu
uncontrolled
molekulare Netzwerke
eng
uncontrolled
nonlinear PCA (NLPCA)
eng
uncontrolled
molecular networks
Datenverarbeitung; Informatik
open_access
Institut für Informatik und Computational Science
Universität Potsdam
Universität Potsdam
https://publishup.uni-potsdam.de/files/696/scholz_diss.pdf
35738
2012
2012
eng
669
683
15
4
71
article
Wiley-Blackwell
Hoboken
1
--
--
--
Heterosis manifestation during early Arabidopsis seedling development is characterized by intermediate gene expression and enhanced metabolic activity in the hybrids
Heterosis-associated cellular and molecular processes were analyzed in seeds and seedlings of Arabidopsis thaliana accessions Col-0 and C24 and their heterotic hybrids. Microscopic examination revealed no advantages in terms of hybrid mature embryo organ sizes or cell numbers. Increased cotyledon sizes were detectable 4 days after sowing. Growth heterosis results from elevated cell sizes and numbers, and is well established at 10 days after sowing. The relative growth rates of hybrid seedlings were most enhanced between 3 and 4 days after sowing. Global metabolite profiling and targeted fatty acid analysis revealed maternal inheritance patterns for a large proportion of metabolites in the very early stages. During developmental progression, the distribution shifts to dominant, intermediate and heterotic patterns, with most changes occurring between 4 and 6 days after sowing. The highest incidence of heterotic patterns coincides with establishment of size differences at 4 days after sowing. In contrast, overall transcript patterns at 4, 6 and 10 days after sowing are characterized by intermediate to dominant patterns, with parental transcript levels showing the largest differences. Overall, the results suggest that, during early developmental stages, intermediate gene expression and higher metabolic activity in the hybrids compared to the parents lead to better resource efficiency, and therefore enhanced performance in the hybrids.
The plant journal
10.1111/j.1365-313X.2012.05021.x
0960-7412
wos:2011-2013
WOS:000307169600012
Meyer, RC (reprint author), Leibniz Inst Plant Genet & Crop Plant Res IPK, Corrensstr 3, D-06466 Gatersleben, Germany., meyer@ipk-gatersleben.de
Deutsche Forschungsgemeinschaft [SPP1149]; European Commission [LSHG-CT
2006-037704]; German Ministry for Education and Research (GoFORSYS)
[GABI-OIL 0315053G]; Max Planck Society
Rhonda C. Meyer
Hanna Witucka-Wall
Martina Becher
Anna Maria Blacha
Anastassia Boudichevskaia
Peter Dörmann
Oliver Fiehn
Svetlana Friedel
Maria von Korff
Jan Lisec
Michael Melzer
Dirk Repsilber
Renate Schmidt
Matthias Scholz
Joachim Selbig
Lothar Willmitzer
Thomas Altmann
eng
uncontrolled
heterosis
eng
uncontrolled
seedlings
eng
uncontrolled
metabolite profiling
eng
uncontrolled
transcript profiling
eng
uncontrolled
morphological analysis
eng
uncontrolled
Arabidopsis thaliana
eng
uncontrolled
biomass
Institut für Biochemie und Biologie
Referiert
48242
2009
2009
deu
59
59
7
2009
periodicalpart
Stabsstelle Studierendenmarketing/Alumniprogramm Im Auftrag der Präsidentin der Universität Potsdam
1
--
--
--
Portal alumni
Liebe Leserin, lieber Leser, wenn es nach der Bundesfamilienrninisterin geht, soll Deutschland eines der familienfreundlichsten Länder in Europa werden. Noch sieht die Realität allerdings anders aus. Wie Ehemalige sich zwischen familiären und beruflichen Optionen entschieden haben, welche Probleme sie zu bewältigen hatten und welche Lösungen sie fanden, davon berichten sie in unserem Titelthema. Jede dritte Akademikerin bleibt heute in Deutschland kinderlos, Tendenz steigend. Abgesehen davon, dass es auch schlichtweg Lebensentwürfe ohne Kinder gibt: Ein nicht unwesentlicher Grund dafur ist sicherlich, dass die größte Last bei der Kindererziehung immer noch Frauen tragen und sie deshalb auch die größeren Einbußen in ihrer Karriere haben. So herrscht bei vielen Arbeitgebern das Vorurteil, Mütter in Führungspositionen wären weniger leistungsfahig. Dass aber gerade eine Familie Frauen in verantwortungsvollen Positionen den Rücken stärken und zu noch größerem Einsatz beflügeln kann, davon berichtet der einführende Artikel. Ein Beispiel dafür, dass sich Familie und eine berufliche Führungsposition vereinbaren lassen, ist auch Uni-Präsidentin, Prof. Dr.-Ing. Dr. Sabine Kunst. In einem Interview verrät sie ihr ganz persönliches Erfolgsrezept und stellt außerdem die strategische Ausrichtung der Hochschule in den nächsten Jahren vor. Wenn Sie Ihre Erfahrungen zu unserem Titelthema mit anderen Ehemaligen diskutieren wollen, können Sie dies unter .. Forum" in unserem "alumni-portal" tun. Wie immer freuen wir uns auf Ihre Meinung zur vorliegenden Ausgabe von ,,Portal alurnni" und wünschen Ihnen viele Vergnügen beim Lesen. Viele Grüße aus Potsdam, Ihr Alumni-Team.
Dear readers, if the Federal Ministry for Family Affairs has its way, then Germany should become one ofthe most family friendly countries in Europe. However, today's reality shows a much different picture. ln our cover story, alumni report on how they have decided between familial and professional options as weil as on the problems solved along the way, and those yet to be mastered. One-third of all warnen with academic degrees do not have children. Not disregarding that there are paths in life which simply do not include having children, an important reason for this tendency lies without doubt in the fact that warnen still continue to carry the largest burden in the childrearing process, and that they therefore experience more serious Iosses regarding their professional careers than their male counterparts. For example, bias against mothers in leadership positions, due to their supposed reduced productivity, is still widely held by employers. The main article of our cover story shows that it is especially the family which can support warnen in positions of responsibility. The university's president, Prof Dr.-lng. Dr. Sabine Kunst, provides us with one prominent example of the compatibility offamily and a professionalleadership position. ln an intenview she reveals her personal recipe for success - and discusses the strategic development of the university in the years to come. lf you would like to discuss your experiences regarding family and professionallife with other alumni, please feel free to do so in the "forum" on our "alumni-portal". As always, we hope you enjoy reading this issue of the "Portal alumni" and appreciate your feedback. With best regards from Potsdam, Your Alumni Team.
Das Ehemaligen-Magazin der Universität Potsdam
10.25932/publishup-48242
urn:nbn:de:kobv:517-opus4-482420
AL 57300, AN 57300
Keine öffentliche Lizenz: Unter Urheberrechtsschutz
Mark Minnes
Sebastian Rüter
Julia Glahn
Carsten Schmieder
Kay Engelhardt
Muriel Helbig
Matthias Scholz
Darius Polok
Jörg Latuske
Anja Schmidt
Uwe Stab
Christian Francke
Bianca Böhringer
Alida Kubala
Jan an Haack
Portal alumni : das Ehemaligen-Magazin der Universität Potsdam
7/2009
Publizistische Medien, Journalismus, Verlagswesen
open_access
Nicht referiert
Dezernat 2: Studienangelegenheiten
Universität Potsdam
https://publishup.uni-potsdam.de/files/48242/2009_07_portal_alumni_web.pdf
10251
2015
2017
eng
iii, 154
conferenceobject
1
2017-02-02
2017-02-02
--
HPI Future SOC Lab
Das Future SOC Lab am HPI ist eine Kooperation des Hasso-Plattner-Instituts mit verschiedenen Industriepartnern. Seine Aufgabe ist die Ermöglichung und Förderung des Austausches zwischen Forschungsgemeinschaft und Industrie.
Am Lab wird interessierten Wissenschaftlern eine Infrastruktur von neuester Hard- und Software kostenfrei für Forschungszwecke zur Verfügung gestellt. Dazu zählen teilweise noch nicht am Markt verfügbare Technologien, die im normalen Hochschulbereich in der Regel nicht zu finanzieren wären, bspw. Server mit bis zu 64 Cores und 2 TB Hauptspeicher. Diese Angebote richten sich insbesondere an Wissenschaftler in den Gebieten Informatik und Wirtschaftsinformatik. Einige der Schwerpunkte sind Cloud Computing, Parallelisierung und In-Memory Technologien.
In diesem Technischen Bericht werden die Ergebnisse der Forschungsprojekte des Jahres 2015 vorgestellt. Ausgewählte Projekte stellten ihre Ergebnisse am 15. April 2015 und 4. November 2015 im Rahmen der Future SOC Lab Tag Veranstaltungen vor.
Proceedings 2015
urn:nbn:de:kobv:517-opus4-102516
online registration
ST 230
Keine öffentliche Lizenz: Unter Urheberrechtsschutz
Karl Kurbel
Dawid Nowak
Amir Azodi
David Jaeger
Christoph Meinel
Feng Cheng
Andrey Sapegin
Marian Gawron
Frank Morelli
Lukas Stahl
Stefan Kerl
Mariska Janz
Abdulmasih Hadaya
Ivaylo Ivanov
Lena Wiese
Mariana Neves
Matthieu-Patrick Schapranow
Cindy Fähnrich
Frank Feinbube
Felix Eberhardt
Wieland Hagen
Max Plauth
Lena Herscheid
Andreas Polze
Matthias Barkowsky
Henriette Dinger
Lukas Faber
Felix Montenegro
Tadeusz Czachórski
Monika Nycz
Tomasz Nycz
Galina Baader
Veronika Besner
Sonja Hecht
Michael Schermann
Helmut Krcmar
Timur Pratama Wiradarma
Christian Hentschel
Harald Sack
Witold Abramowicz
Wioletta Sokolowska
Tymoteusz Hossa
Jakub Opalka
Karol Fabisz
Mateusz Kubaczyk
Milena Cmil
Tianhui Meng
Sharam Dadashnia
Tim Niesen
Peter Fettke
Peter Loos
Cindy Perscheid
Christian Schwarz
Christopher Schmidt
Matthias Scholz
Nikolai Bock
Gunther Piller
Klaus Böhm
Oliver Norkus
Brian Clark
Björn Friedrich
Babak Izadpanah
Florian Merkel
Ilias Schweer
Alexander Zimak
Jürgen Sauer
Benjamin Fabian
Georg Tilch
David Müller
Sabrina Plöger
Christoph M. Friedrich
Christoph Engels
Aragats Amirkhanyan
Estée van der Walt
J. H. P. Eloff
Bernd Scheuermann
Elisa Weinknecht
deu
uncontrolled
Future SOC Lab
deu
uncontrolled
Forschungsprojekte
deu
uncontrolled
Multicore Architekturen
deu
uncontrolled
In-Memory Technologie
deu
uncontrolled
Cloud Computing
deu
uncontrolled
maschinelles Lernen
deu
uncontrolled
künstliche Intelligenz
Datenverarbeitung; Informatik
open_access
Hasso-Plattner-Institut für Digital Engineering gGmbH
Veröffentlichungen des Hasso-Plattner-Institut für Softwaresystemtechnik GmbH
Universität Potsdam
https://publishup.uni-potsdam.de/files/10251/tbhpi_future_soc2015.pdf