haku: @keyword complex systems / yhteensä: 7
hakutulos-lista
viite: 5 / 7
« edellinen | seuraava »
Tekijä:Kivelä, Mikko
Työn nimi:A network perspective on the genetic population struture of seagrass Posidonia oceanica
Verkostonäkökulma Posidonia oceanican geneettiseen populaatiorakenteeseen
Julkaisutyyppi:Diplomityö
Julkaisuvuosi:2009
Sivut:87      Kieli:   eng
Koulu/Laitos/Osasto:Informaatio- ja luonnontieteiden tiedekunta
Koulutusohjelma:Teknillisen fysiikan ja matematiikan tutkinto-ohjelma
Oppiaine:Laskennallinen tekniikka   (S-114)
Valvoja:Kaski, Kimmo
Ohjaaja:Saramäki, Jari
Elektroninen julkaisu: http://urn.fi/URN:NBN:fi:aalto-201203071267
OEVS:
Sähköinen arkistokappale on luettavissa Aalto Thesis Databasen kautta.
Ohje
sulje

Digitaalisten opinnäytteiden lukeminen Aalto-yliopiston Harald Herlin -oppimiskeskuksen suljetussa verkossa

Oppimiskeskuksen suljetussa verkossa voi lukea sellaisia digitaalisia ja digitoituja opinnäytteitä, joille ei ole saatu julkaisulupaa avoimessa verkossa.

Oppimiskeskuksen yhteystiedot ja aukioloajat: https://learningcentre.aalto.fi/fi/harald-herlin-oppimiskeskus/

Opinnäytteitä voi lukea Oppimiskeskuksen asiakaskoneilla, joita löytyy kaikista kerroksista.

Kirjautuminen asiakaskoneille

  • Aalto-yliopistolaiset kirjautuvat asiakaskoneille Aalto-tunnuksella ja salasanalla.
  • Muut asiakkaat kirjautuvat asiakaskoneille yhteistunnuksilla.

Opinnäytteen avaaminen

  • Asiakaskoneiden työpöydältä löytyy kuvake:

    Aalto Thesis Database

  • Kuvaketta klikkaamalla pääset hakemaan ja avaamaan etsimäsi opinnäytteen Aaltodoc-tietokannasta. Opinnäytetiedosto löytyy klikkaamalla viitetietojen OEV- tai OEVS-kentän linkkiä.

Opinnäytteen lukeminen

  • Opinnäytettä voi lukea asiakaskoneen ruudulta tai sen voi tulostaa paperille.
  • Opinnäytetiedostoa ei voi tallentaa muistitikulle tai lähettää sähköpostilla.
  • Opinnäytetiedoston sisältöä ei voi kopioida.
  • Opinnäytetiedostoa ei voi muokata.

Opinnäytteen tulostus

  • Opinnäytteen voi tulostaa itselleen henkilökohtaiseen opiskelu- ja tutkimuskäyttöön.
  • Aalto-yliopiston opiskelijat ja henkilökunta voivat tulostaa mustavalkotulosteita Oppimiskeskuksen SecurePrint-laitteille, kun tietokoneelle kirjaudutaan omilla Aalto-tunnuksilla. Väritulostus on mahdollista asiakaspalvelupisteen tulostimelle u90203-psc3. Väritulostaminen on maksullista Aalto-yliopiston opiskelijoille ja henkilökunnalle.
  • Ulkopuoliset asiakkaat voivat tulostaa mustavalko- ja väritulosteita Oppimiskeskuksen asiakaspalvelupisteen tulostimelle u90203-psc3. Tulostaminen on maksullista.
Sijainti:P1 Ark T80     | Arkisto
Avainsanat:complex systems
complex networks
hierarchical community detection
weighted networks
genetic networks
kompleksiset systeemit
kompleksiset verkot
hierarkkinen yhteisöhaku
painotetut verkot
geneettiset verkot
Tiivistelmä (fin): Populaatiobiologiassa käytettyjen perinteisten mallipohjaisten menetelmien tiedetään suoriutuvan huonosti, jos käytettävä data ei toteuta niissä tehtyjä oletuksia.
Tässä työssä tutkitaan mahdollisuutta käyttää verkostotieteen uusimpia yhteisönhakumenetelmiä populaatiorakenteen löytämiseen geneettisestä samankaltaisuusverkosta, joka on muodostettu 1468 meriheinä Posidonia oceanican yksilön geenisekvenssien perusteella.
Käytetyistä mikrosatelliittisekvensseistä voidaan rakentaa geneettinen samankaltaisuusverkko usealla eri tavalla.
Työssä kokeiltiin useita tällaisia tapoja, joista sopivin valittiin käyttöön.

Useimpia verkostotieteen menetelmiä ei ole suunniteltu sovellettaviksi täysiin painotettuihin verkkoihin, joita tässä työssä käytetyt samankaltaisuusverkot ovat.
Tästä johtuen osa verkostomenetelmistä jouduttiin muokkaamaan samankaltaisuusverkoille sopiviksi sekä laskennalliselta toteutukseltaan että yleiseltä toiminnaltaan.
Työssä tutkitaan yhteisönhakumenetelmien löytämien geneettisten ryhmien rakennetta sekä vertaillaan näiden suhdetta maantieteeseen ja samoille yksilöille rakennettuun fylogeniapuuhun.
Käytetyistä verkostomenetelmistä löydetään useita puutteita ja rajoituksia, mutta näihin ongelmiin ehdotetaan ratkaisuja ja viitoitetaan samalla tietä mahdolliselle lisätutkimukselle.
Tiivistelmä (eng): In this Thesis, the objective is to study the possibility of applying state-of-the-art community detection methods of network science to genetic networks built of closely related individuals, as the traditional model based methods in population genetics are known make too restrictive assumptions and to perform poorly for data which does not fulfil these assumptions.
A data set of 1468 sequenced specimens of the Mediterranean sea grass Posidonia oceanica is used to test the suggested methods.
As there is no unique, ail-purpose measure for the genetic distance between individuals, several such measures are investigated and the most appropriate is selected for constructing the genetic distance network used in this Thesis.

Most methods in network theory are riot designed for weighted, full networks used in this Thesis, and thus some computational limitations are encountered, which are solved by using different algorithmic approaches.
Results of different hierarchical community detection methods are examined, analyzed with respect to the underlying geography, and finally compared to results obtained from phylogeny methods, which also allow hierarch2cal clustering.
Several limitations are identified in the network methods used, and possible solutions and future research directions are suggested.
ED:2009-05-08
INSSI tietueen numero: 37384
+ lisää koriin
« edellinen | seuraava »
INSSI