48,00 €
48,00 €
inkl. MwSt.
Sofort per Download lieferbar
payback
0 °P sammeln
48,00 €
48,00 €
inkl. MwSt.
Sofort per Download lieferbar

Alle Infos zum eBook verschenken
payback
0 °P sammeln
Als Download kaufen
48,00 €
inkl. MwSt.
Sofort per Download lieferbar
payback
0 °P sammeln
Jetzt verschenken
48,00 €
inkl. MwSt.
Sofort per Download lieferbar

Alle Infos zum eBook verschenken
payback
0 °P sammeln
  • Format: PDF

Inhaltsangabe:Einleitung: Die vorliegende Diplomarbeit beschäftigt sich mit der Auswertung von Patch-Clamp-Messungen. Die Patch-Clamp-Technik, mit deren Hilfe der Strom durch einzelne Ionenkanäle einer biologischen Membran gemessen werden kann, ermöglicht die Erforschung von Schaltprozessen der Transportmoleküle. Die Analyse der mit der Patch-Clamp-Technik gemessenen Kanalströme geht davon aus, dass das Verhalten der Kanäle durch Markov-Modelle beschrieben werden kann. Markov-Modelle haben eine endliche Anzahl diskreter Zustände, zwischen denen das Transportmolekül wechseln kann. Die…mehr

Produktbeschreibung
Inhaltsangabe:Einleitung: Die vorliegende Diplomarbeit beschäftigt sich mit der Auswertung von Patch-Clamp-Messungen. Die Patch-Clamp-Technik, mit deren Hilfe der Strom durch einzelne Ionenkanäle einer biologischen Membran gemessen werden kann, ermöglicht die Erforschung von Schaltprozessen der Transportmoleküle. Die Analyse der mit der Patch-Clamp-Technik gemessenen Kanalströme geht davon aus, dass das Verhalten der Kanäle durch Markov-Modelle beschrieben werden kann. Markov-Modelle haben eine endliche Anzahl diskreter Zustände, zwischen denen das Transportmolekül wechseln kann. Die Übergangswahrscheinlichkeiten zwischen den verschiedenen Zuständen verändern sich nicht mit der Zeit und hängen insbesondere nicht davon ab, wie lange das Transportmolekül in einem Zustand verweilt hat und in welchem Zustand es vorher war. Dieser einfache Aufbau der Markov-Modelle führt dazu, dass sie sich gut mathematisch behandeln lassen. Ziel der Arbeit ist es, das Zeitauflösungsvermögen für die Bestimmung der Übergangsraten zwischen den verschiedenen Zuständen des Markov-Modells zu verbessern. Der konkrete Ansatzpunkt liegt darin, im "Direkten Zeitreihenfit" den bis jetzt vernachlässigten Einfluss des Tiefpassfilters auf die Verteilung der Stromwerte zu berücksichtigen. Im "Direkten Zeitreihenfit", einem Verfahren, das ursprünglich für die Spracherkennung entwickelt wurde, wird mit einem Prädiktionsalgorithmus ein Wert für den nächstfolgenden Stromwert vorhergesagt und dieser vorhergesagte Wert mit dem tatsächlichen Messwert verglichen. Zusammenfassung: Ergebnis der Arbeit ist es, dass durch geeignete Wahl der Parameter das Zeitauflösungsvermögen gegenüber vorhandenen Auswerteverfahren um den Faktor 10 gesteigert werden kann. Es können damit Übergangsraten bis zum Zehnfachen der Abknickfrequenz des Tiefpassfilters erkannt werden. Eine wichtige Vorarbeit besteht in der Untersuchung des Einflusses von Tiefpassfiltern (Besselfiltern) verschiedener Ordnung auf die Verteilung der Stromwerte eines zwischen diskreten Zuständen wechselnden Signals. Diese Untersuchungen sind deswegen interessant, weil jedes Signal, das digital aufgezeichnet werden soll, vorher gefiltert werden muss. Speziell geht es hier um die Fragestellung der analytischen Berechenbarkeit der Verteilung der Stromwerte. Bekannt ist die Theorie der Betaverteilungen, mit der die Verteilung für solche Signale berechnet werden kann, die mit einem Filter erster Ordnung gefiltert wurden. In realen [...]

Dieser Download kann aus rechtlichen Gründen nur mit Rechnungsadresse in A, B, BG, CY, CZ, D, DK, EW, E, FIN, F, GR, HR, H, IRL, I, LT, L, LR, M, NL, PL, P, R, S, SLO, SK ausgeliefert werden.