MARC

 008250123s2024        us                              c    eng  d
■001000017164892
■00520250211153059
■006m          o    d                
■007cr#unu||||||||
■020    ▼a9798346389958
■035    ▼a(MiAaPQ)AAI31652057
■035    ▼a(MiAaPQ)Stanfordrf439ph6146
■040    ▼aMiAaPQ▼cMiAaPQ
■0820  ▼a612
■1001  ▼aSun,  Gwanggyu.
■24510▼aModel-Driven  Discovery  Through  a  Whole-Cell  Computational  Model  of  Escherichia  Coli
■260    ▼a[Sl]▼bStanford  University▼c2024
■260  1▼aAnn  Arbor▼bProQuest  Dissertations  &  Theses▼c2024
■300    ▼a128  p
■500    ▼aSource:  Dissertations  Abstracts  International,  Volume:  86-05,  Section:  B.
■500    ▼aAdvisor:  Covert,  Markus.
■5021  ▼aThesis  (Ph.D.)--Stanford  University,  2024.
■520    ▼aThroughout  many  scientific  and  engineering  disciplines,  mathematical  models  have  been  pivotal  in  helping  scientists  and  engineers  better  understand  complex  systems,  develop  hypotheses,  predict  behaviors,  and  make  model-guided  discoveries.  The  E.  coli  whole-cell  modeling  project  aims  to  bring  this  approach  into  biology  by  constructing  a  detailed  mathematical  representation  of  the  most  well-characterized  biological  system  -  an  E.  coli  cell.  The  whole-cell  model  is  composed  of  multiple,  smaller  submodels  that  each  represent  a  particular  biological  process  within  an  E.  coli  cell,which  are  then  integrated  into  a  larger  model  that  can  simulate  the  growth  of  the  entire  cell.  In  total,  the  model  incorporates  more  than  19,000  heterogeneous  parameters  gathered  from  decades  of  research  performed  on  this  model  organism  by  the  scientific  community.  The  whole-cell  modeling  team  within  the  Covert  Lab  has  been  leading  this  project  for  more  than  ten  years.In  this  work,  I  present  the  contributions  I  made  to  this  project  as  a  member  of  this  team.  I  first  review  in  detail  the  goals  of  the  E.  coli  whole-cell  modeling  project,  how  the  whole-cell  model  was  initially  built  and  structured,  and  our  general  strategy  for  using  the  model  in  model-driven  discovery.  Next,  I  describe  my  efforts  in  building  bidirectional  data  pipelines  between  the  whole-cell  model  and  EcoCyc,  the  largest  online  database  for  E.  coli,  for  the  purposes  of  streamlining  the  curation  of  model  parameters  and  more  broadly  sharing  the  model  outputs  to  the  scientific  community.  Finally,  I  present  how  the  whole-cell  model  was  updated  to  account  for  E.  coli  'stranscription  unit  structures  and  share  the  discoveries  I  was  able  to  make  during  this  process,  including  insights  on  the  cross-consistencies  of  the  experimental  datasets  used  in  the  update,  and  on  the  functional  roles  of  operon  structures  in  bacteria.
■590    ▼aSchool  code:  0212.
■650  4▼aPhysiology
■650  4▼aBiologists
■650  4▼aAstronomy
■650  4▼aMathematical  models
■650  4▼aBiology
■650  4▼aE  coli
■650  4▼aCodes
■650  4▼aGenes
■650  4▼aSun
■650  4▼aTelescopes
■650  4▼aPhysics
■650  4▼aAstronomers
■650  4▼aBioengineering
■650  4▼aStars  &  galaxies
■650  4▼aMercury
■650  4▼aNeptune
■650  4▼aSolar  eclipses
■650  4▼aOptics
■690    ▼a0202
■690    ▼a0306
■690    ▼a0606
■690    ▼a0605
■690    ▼a0719
■690    ▼a0752
■71020▼aStanford  University.
■7730  ▼tDissertations  Abstracts  International▼g86-05B.
■790    ▼a0212
■791    ▼aPh.D.
■792    ▼a2024
■793    ▼aEnglish
■85640▼uhttp://www.riss.kr/pdu/ddodLink.do?id=T17164892▼nKERIS▼z이  자료의  원문은  한국교육학술정보원에서  제공합니다.

미리보기

내보내기

chatGPT토론

Ai 추천 관련 도서