Advanced search
1 file | 48.93 MB Add to list

Advances in multiplex digital PCR data analysis : from clustering to uncertainty quantification

Yao Chen (UGent)
(2025)
Author
Promoter
(UGent) , (UGent) , (UGent) and (UGent)
Organization
Abstract
Deze thesis behandelt belangrijke uitdagingen in de analyse van digitale PCR (dPCR) data, met de nadruk op het ontwikkelen en evalueren van methoden om de nauwkeurigheid van clustering, variantieschatting en praktische toepassing te verbeteren. Huidige dPCR-analysetools schieten vaak tekort in het omgaan met meerkleurige data, missen uitgebreide benchmarkstudies en bieden eindgebruikers onvoldoende duidelijke richtlijnen. Om deze lacunes te overbruggen, stelt dit werk een robuuste en veelzijdige pijplijn voor die de analyse van diverse grootheden van belang, zoals kopieaantalvariatie (CNV) en DNA-integriteit, verbetert. Met zijn uitgebreide pijplijn wil deze thesis onderzoekers uitrusten met de tools en kennis die nodig zijn voor nauwkeurige en betrouwbare dPCR-kwantificatie, en bijdragen aan vooruitgang in de analyse van dPCR-data.

Downloads

  • (...).pdf
    • full text (Published version)
    • |
    • UGent only (changes to open access on 2030-02-21)
    • |
    • PDF
    • |
    • 48.93 MB

Citation

Please use this url to cite or link to this publication:

MLA
Chen, Yao. Advances in Multiplex Digital PCR Data Analysis : From Clustering to Uncertainty Quantification. Ghent University. Faculty of Sciences, 2025.
APA
Chen, Y. (2025). Advances in multiplex digital PCR data analysis : from clustering to uncertainty quantification. Ghent University. Faculty of Sciences, Ghent, Belgium.
Chicago author-date
Chen, Yao. 2025. “Advances in Multiplex Digital PCR Data Analysis : From Clustering to Uncertainty Quantification.” Ghent, Belgium: Ghent University. Faculty of Sciences.
Chicago author-date (all authors)
Chen, Yao. 2025. “Advances in Multiplex Digital PCR Data Analysis : From Clustering to Uncertainty Quantification.” Ghent, Belgium: Ghent University. Faculty of Sciences.
Vancouver
1.
Chen Y. Advances in multiplex digital PCR data analysis : from clustering to uncertainty quantification. [Ghent, Belgium]: Ghent University. Faculty of Sciences; 2025.
IEEE
[1]
Y. Chen, “Advances in multiplex digital PCR data analysis : from clustering to uncertainty quantification,” Ghent University. Faculty of Sciences, Ghent, Belgium, 2025.
@phdthesis{01JP4M034TG0MWDDCK3T168ZJ3,
  abstract     = {{Deze thesis behandelt belangrijke uitdagingen in de analyse van digitale PCR (dPCR) data, met de nadruk op het ontwikkelen en evalueren van methoden om de nauwkeurigheid van clustering, variantieschatting en praktische toepassing te verbeteren. Huidige dPCR-analysetools schieten vaak tekort in het omgaan met meerkleurige data, missen uitgebreide benchmarkstudies en bieden eindgebruikers onvoldoende duidelijke richtlijnen. Om deze lacunes te overbruggen, stelt dit werk een robuuste en veelzijdige pijplijn voor die de analyse van diverse grootheden van belang, zoals kopieaantalvariatie (CNV) en DNA-integriteit, verbetert. Met zijn uitgebreide pijplijn wil deze thesis onderzoekers uitrusten met de tools en kennis die nodig zijn voor nauwkeurige en betrouwbare dPCR-kwantificatie, en bijdragen aan vooruitgang in de analyse van dPCR-data.}},
  author       = {{Chen, Yao}},
  language     = {{eng}},
  pages        = {{XII, 225}},
  publisher    = {{Ghent University. Faculty of Sciences}},
  school       = {{Ghent University}},
  title        = {{Advances in multiplex digital PCR data analysis : from clustering to uncertainty quantification}},
  year         = {{2025}},
}