Search

Die Verwendung von Hochdurchsatzmethoden zur Sequenzierung von RNA Molekülen ist für verschiedene Anwendungsbereiche verbreitet und wird auch dafür verwendet Transkriptome zu erforschen. Dies zielt zumeist darauf ab, Gene zu identifizieren, die über Proben mit unterschiedlichen biologischen Merkmalen oder unter unterschiedlichen Bedingungen entweder signifikant herunter- oder heraufreguliert sind. Darüber hinaus kann ihre Beteiligung an biologischen Prozessen analysiert werden, um endgültige Schlussfolgerungen zu ziehen. Hierfür stehen viele verschiedene Softwarepakete offen zur Verfügung. Die meisten Softwarepakete, die für die Analyse der generierten Daten verwendet werden könnten, erfordern jedoch Programmierkenntnisse. Um Personen ohne Programmierkenntnisse das Erkunden ihrer Daten zu ermöglichen, wurde die graphische Benutzeroberfläche explomics geschaffen. Durch die Verwendung der Programmiersprache R in Kombination mit dem Paket shiny und anderen bestehenden Paketen, die üblicherweise für Transkriptomdatenanalysen verwendet werden, wurde eine dynamische Anwendung basierend auf reaktiver Programmierung erstellt. Die resultierende graphische Benutzeroberfläche explomics zeichnet sich besonders durch Flexibilität aus und verhindert häufige Fehlerquellen weitgehend. Die Integration der Analysen zur Untersuchung der funktionellen Zuordnungen erweitert den Nutzen der differentiellen Genexpressionsanalyse mit explomics weiter. Personen ohne Programmierkenntnisse werden dabei unterstützt, Arbeitsabläufe und Graphiken anzupassen und zu optimieren. Durch detaillierte Beschreibungen und Benachrichtigungen wird jeder Schritt begleitet. Zudem konnte die Benutzererfahrung durch interaktive Graphiken erheblich verbessert werden. The use of RNA sequencing experiments is common for different application areas and can also be used for transcriptome profiling, which aims to identify genes, which are either significantly down- or upregulated across samples with different biological traits or under different conditions. Moreover, their involvement into biological processes can be analysed to make final conclusions. For this purpose, many different tools are available with open-access. However, most of the tools used for the analysis of the generated data require knowledge of programmatical skills. In order to enable users without programming knowledge to explore their data, the graphical user interface explomics was created. By the use of the programming language R combined with the package shiny and other existing packages commonly used for the analysis of high-throughput RNA sequencing data a dynamic application based on reactive programming was built. The resulting application explomics especially distinguishes in terms of flexibility and mitigates frequent errors from existing tools. The integration of the downstream analyses for functional profiling further expands the usefulness of analysis of differential gene expression with explomics. Users without programming skills are supported to customize workflows and output figures. By use of detailed descriptions and notification messages every step is instructed. With interactive plots, the user experience is considerable improved. Abweichender Titel laut Übersetzung der Verfasserin/des Verfassers Masterarbeit Wien, FH Campus Wien 2022

Die vorliegende Studie überprüft die Faktorenstruktur der Selbstwirksamkeitsskalen im Umgang mit Heterogenität bzw. mit „besonderen“ Schülerinnen und Schülern (SuS) von Kopp (2009) anhand von zwei Datensätzen mit insgesamt 725 Studierenden der Lehrämter Primar- und/oder Sekundarstufe, Gymnasium sowie Sonderpädagogik. Im Ergebnis zeigt sich ein besserer Modellfit für ein alternatives vierfaktorielles Modell. Die Aufteilung in die Faktoren „Adaptive Unterrichtsgestaltung in heterogenen Lerngruppen“ und „Adaptive Unterrichtsgestaltung für SuS mit erhöhtem sonderpädagogischen Förderbedarf“ verweist hierbei auf die viel diskutierte Unterscheidung eines engen und eines weiten Inklusionsbegriffs (vgl. Werning, 2014) auch auf Ebene der Selbstwirksamkeit von Studierenden. Die weiteren Faktoren „Inklusive Lehrerpersönlichkeit“ und „Klassenklima“ folgen der Struktur von Kopp, wenngleich die Neuordnung einiger Items eine stringentere Interpretation ermöglicht und den Modellfit verbessert. An einem dritten Datensatz (n = 456) erfolgt die Validierung der neu entwickelten Kurzskala KUS-HL. Diese bietet zusammenfassend eine ökonomische Alternative zur Messung der Selbstwirksamkeit auch für Gruppen von Studierenden mit unterschiedlichen Lehrämtern. (DIPF/Orig.), This study examines the factor structure of self-efficacy scales dealing with heterogeneity or „special“ pupils developped by Kopp (2009). This is conducted through two sets of data with a total number of 725 students pursuing a teaching degree in the fields of primary and/or secondary school or special needs education. The results show a better model fit for an alternative four-factor model. The division into the factors „Adaptive teaching structure in heterogeneous learning groups“ and „Adaptive teaching structure for pupils with increased special educational needs“ refers to the much discussed distinction between a narrow and a broad concept of inclusion (cf. Werning, 2014), also at the level of students‘ self-efficacy. The other factors, „Inclusive teacher personality“ and „Class atmosphere“, follow Kopp‘s structure, although the reorganization of some items allows a more stringent interpretation and improves the model fit. A third set of data (n = 456) is used to validate the newly developed short scale KUS-HL. In summary, this scale offers an economic alternative to measure self-efficacy even for groups of students with differing teaching degrees. (DIPF/Orig.)

Für diese Masterarbeit wurde ein Datenanalyse-Tool mit R entwickelt, um schnell und effizient ein erstes Verständnis für die Struktur und die Vorhersagekraft eines (beliebigen) Datensatzes gewinnen zu können. Dieses Tool wurde für die SHS VIVEON AG, einen Business- und IT-Dienstleister für Kundenmanagement, entwickelt und soll das Data Science-Team der Firma dabei unterstützen, eine erste explorative Datenanalyse eines Kunden-Datensatzes durchzuführen. Die wesentlichen Ansprüche an die Software waren einerseits funktionale Vielseitigkeit (Visualisierung, Clustering, Klassifikationsverfahren, usw.) und andererseits eine intuitiven Benutzeroberfläche. Folgende Punkte werden in dieser Arbeit besprochen: Zunächst werden die Bedürfnisse des Data Science-Teams während der Einarbeitung in einen neuen Datensatz dargestellt. Anschließend wird ein Überblick über die statistischen und analytischen Methoden im Umgang mit Daten in einem Unternehmenskontext gegeben und über die einzelnen Schritte der Softwareentwicklung (einschließlich der Anforderungen der SHS VIVEON AG und der Ergebnisse der Usability-Tests) berichtet. Abschließend wird der Leser durch eine Beispielanalyse eines nicht-proprietären Datensatzes geführt. Zusammengefasst zeigt diese Masterarbeit den Hintergrund, das Design und die Implementierung der Software und erklärt sowohl ihre technischen als auch ihre interaktiven Funktionen. Schließlich beschreibt sie, wie die Benutzer die Software ändern und verbessern können, wenn zukünftige weitere Anforderungen an die Software identifiziert werden sollten. A data analysis tool was developed using R in order to quickly and efficiently gain an initial understanding of the structure and predictive power of a dataset. This tool was developed for SHS VIVEON AG, a business and IT solution provider for customer management, and is meant to enable the firm’s Data Science team to perform initial exploratory data analysis of a client’s dataset. The two key drivers in the design of the software were versatility in the functions (visualization, clustering, classification, etc.) and an intuitive interface. This work will do the following: outline the needs of the firm’s Data Science team when faced with a new dataset, review the statistical and analytic methods for engaging with data in a business setting, recount the steps taken to create the tool in question (including the full considerations of SHS VIVEON AG and the results of usability testing), and take the reader through a step-by-step mock analysis of a non-proprietary dataset. Overall, the current work shows the background, design, and implementation of this software, explaining both its technical and interactive features. Finally, it points to ways that users can modify and improve upon the software if other requirements are identified in the future.

Cities are responsible for the predominant share of anthropogenic environmental pressures. Recently, consistent methodologies to measure the metabolism of cities have been developed in order to enhance comparability between case studies and enable cross-city comparisons at the macro-scale. This comparison illustrated potential factors and drivers explaining macro-scale differences between cities. However, such studies rely on very few data points and look at cities as homogenous entities omitting their complex functioning. When looking at the relationships between urban characteristics and metabolic flows at smaller spatial scales, drivers appear to be different than in macroscopic analyses, pointing towards the importance of taking microscale urban heterogeneity into account. The aim of this paper is to improve our understanding of these effects by analyzing the relationship between energy use and various urban indicators at a microscale level for ten cities (Brussels, Buenos Aires, Cape Town, Chicago, Glasgow, London, Los Angeles, Milan, New York City and San Francisco)., SCOPUS: cp.p, info:eu-repo/semantics/published

Schrepp (2005) points out and builds upon the connection between knowledge space theory (KST) and latent class analysis (LCA) to propose a method for constructing knowledge structures from data. Candidate knowledge structures are generated, they are considered as restricted latent class models and fitted to the data, and the BIC is used to choose among them. This article adds additional information about the relationship between KST and LCA. It gives a more comprehensive overview of the literature and the probabilistic models that are at the interface of KST and LCA. KST and LCA are also compared with regard to parameter estimation and model testing methodologies applied in their fields. This article concludes with an overview of KST-related publications addressing the outlined connection and presents further remarks about possible future research arising from a connection of KST to other latent variable modeling approaches.

Der Forschungsstand zu Struktur und Entwicklung der Rechtschreibkompetenz lässt bislang viele Fragen offen. Erst repräsentative Längsschnittstudien können empirisch abgesicherte Antworten auf die Fragen liefern, ob, und wenn ja, wie sich Kompetenzstrukturen im Verlauf der Lernentwicklung ändern. Dieses Ziel verfolgt die NEPS-Studie (National Educational Panel Study) für die Sekundarstufe I. [Die Autorinnen] stellen erste Befunde aus explorativen Analysen zum Entwicklungsverlauf der Rechtschreibleistung auf Datenbasis von NEPS-Entwicklungsstudien in den Klassenstufen fünf bis sieben vor. Die Analysen zielen darauf, die Lernentwicklung differentiell zu untersuchen und schwierigkeitsbestimmende Merkmale von Items zu identifizieren. Die eingesetzten Tests gründen auf einem theoretischen Kompetenzmodell, das in der IGLU-Ergänzungsstudie Orthographie gewonnen wurde. Nach einer Vorstellung des Modells und seiner Einordnung in den fachdidaktischen Forschungskontext wird die Testentwicklung beschrieben. Aus den Auswertungsbefunden werden Hypothesen für eine weiterführende Forschung abgeleitet und im Forschungsstand verortet. (DIPF/Orig.), Current research on the competence structure of orthography and its development leaves several questions unanswered. This field of research therefore requires representative and longitudinal studies in order to explore if and in what way orthography competence structures change in the course of the competence development. The National Educational Panel Study (NEPS) aims at filling this gap for secondary school. In this paper we are going to introduce first results from explorative analyses concerning the development of orthography test results based on data from NEPS developmental studies from grade five to seven. The analyses aim at taking a differential look at the competence development as well as exploring the difficulty of test items. The tests are based on a theoretical competence model identified within an add-on PIRLS study on orthography. The model will be introduced and compared to current research. Thereafter we are going to describe the test development. From the results of our analyses, we derive hypotheses for further research and again, integrate the results into current research.

"Alles Wissen stammt aus der Erfahrung" dieser Satz von Immanuel Kant steht gewissermaßen als Präambel am Anfang vorliegender Arbeit, in der untersucht wird, inwieweit sich das sehr erfolgreiche Erkenntniswerkzeug der Explorativen Datenanalyse dazu eignet, als Lernwerkzeug für Studierende eingesetzt zu werden. Der Begriff "Werkzeug" wird in diesem Zusammenhang als Instrument verstanden, das Nutzern ermöglicht, komplexe Datensätze zu betrachten, zu manipulieren und Aspekte empirischer Untersuchungen sichtbar zu machen, um daraus neue Erkenntnisse zu gewinnen. Seit den Arbeiten von John W. Tukey gehört das Suchen (Exploration) neben dem Beschreiben (Deskription) und dem Schließen (Induktion) zu den Grundaufgaben der Statistik. Die sich daraus entwickelte Strategie wird als "Explorative Datenanalyse" bezeichnet. Studenten und angehende Wissenschaftler wenden statistische Verfahren oft nur mechanisch an. Diese Beobachtung ist besonders offensichtlich, wenn im jeweiligen Studienfach die mathematische Grundbildung keinen großen Raum einnimmt. Dieses mechanische Anwenden führt dazu, dass statistische Aussagen oft falsch interpretiert werden und wissenschaftliche empirische Studien nicht richtig gelesen werden können. Im Mittelpunkt der vorliegenden Arbeit geht es in erster Linie darum zu untersuchen, ob die Explorative Datenanalyse ein geeignetes Werkzeug für die statistische Grundbildung ist und hilft, empirische Forschungsmethoden sowohl bei den Studierenden als auch bei jungen Wissenschaftlern besser zu verankern. Die vorliegende Arbeit berührt die Schnittstellen von Mathematik, Statistik, Lernpsychologie, Medienpädagogik und Informatik. "All knowledge comes from experience". This statement by Immanuel Kant constitutes the preamble of this thesis about the effectiveness and efficiency of interactive statistical graphics in undergraduate statistics education. Since the work of John W. Tukey in the early 1960s, data exploration started to be the third pillar of statistics complementing data description and statistical inference. The principle of data exploration requires powerful tools to visualize complex data sets, to interact with the data, to manipulate data as well as data displays, in order to enhance the human potential of detecting and interpreting patterns and structures. There is a widespread misunderstanding - in particular among people who apply statistics but do not have a proper training in the mathematical foundations of this discipline - that statistical inference is to be done in an automatic mode, following the prescribed steps of statistical cook books. Quite often this leads to incorrect interpretations and conclusions. Moreover, a wrong attitude towards statistics and data analysis is manifested that hampers the thorough understanding of empirical results and discourages the application of a critical mind. From a student's perspective the broad spectrum of available techniques and tools in data exploration and statistics tends to be overwhelming and hence there is a great reluctance to engage in discursive approaches to data exploration. Using principles, methods and technologies from mathematics, statistics, educational psychology, media pedagogy and computer science, this thesis takes an empirical approach to this problem. It investigates the learning success as well as the challenges and difficulties of students when being confronted with some data analysis tasks after having received an initial training in exploratory data analysis tools. The study points to a number of factors - both in the training phase as well as in accessibility of available software - that drive the success of exploratory data analysis in undergraduate teaching.

In our thesis we proposed the statistical modelling concept to assess: 1.Which climatic factors are the most associated with malaria prevalence in Burundi. 2.Whether the forecasted increase in (global) temperature will result in increasing malaria transmission in Burundi. 3.Which amongst the well-known forecasting methods can provide a better forecasting of malaria cases in Burundi, when taking into account the effects of climatic factors. 4.Whether there exist spatial patterns of malaria which are explained by factors other than climate. To achieve the objectives in our thesis, monthly data on malaria epidemiology and meteorology over 12 years for each province (of the area of Burundi) were collected from Burundi. Using these data, four studies are carried out. The first study proposes the analysis method based on a mathematical regression model to assess which variables significantly influence the malaria incidence in Burundi. The proposed modelling concept is based on both generalized linear models (GLM) and generalized additive mixed models (GAMM). The results obtained from these models reveal that malaria incidence in a given month in Burundi is strongly positively associated with the minimum temperature of the previous month. In contrast, it is found that rainfall and maximum temperature in a given month have a possible negative effect on malaria incidence of the same month. The second study proposes a Bayesian generalised additive model (GAM) to assess the impact of the predicted increase in temperature on malaria transmission in Burundi. The results obtained from the proposed model reveal that although malaria transmission is positively associated with minimum temperature, increasing temperature in Burundi will not result in increasing malaria transmission. In the third study we propose a hierarchical analysis approach to assess which method allows a better forecasting of malaria cases in Burundi when taking into account association between climatic factors and the disease. It is found that based on in-sample mean average percentage error (MAPE), the multiplicative exponential smoothing state space model with multiplicative error and seasonality leads to better forecasts (i.e. more accurate results). The fourth study proposes an analysis method based on the semi-parametric regression modelling of the dependence of malaria cases on spatial determinants and climatic covariates in Burundi. The results obtained from the modelling reveal some regional patterns of malaria that are related to factors other than climatic variables without being able to explain them., Keine Zusammenfassung vorhanden, Hermenegilde Nkurunziza, Abweichender Titel laut Übersetzung der Verfasserin/des Verfassers, Zsfassung in franz. Sprache, Klagenfurt, Alpen-Adria-Univ., Diss., 2010

This note is part of a book chapter about recent developments in performance-based knowledge space theory. The note discusses the relationship between knowledge space theory and item response theory.

Knowledge space theory is part of psychometrics and provides a theoretical framework for the modeling, assessment, and training of knowledge. It utilizes the idea that some pieces of knowledge may imply others, and is based on order and set theory. We introduce the R package DAKS for performing basic and advanced operations in knowledge space theory. This package implements three inductive item tree analysis algorithms for deriving quasi orders from binary data, the original, corrected, and minimized corrected algorithms, in sample as well as population quantities. It provides functions for computing population and estimated asymptotic variances of and one and two sample Z tests for the diff fit measures, and for switching between test item and knowledge state representations. Other features are a function for computing response pattern and knowledge state frequencies, a data (based on a finite mixture latent variable model) and quasi order simulation tool, and a Hasse diagram drawing device. We describe the functions of the package and demonstrate their usage by real and simulated data examples.

Current online music portals and systems for the management of private music collections mainly concentrate on the support for directed search for music pieces (e.g. on the basis of describing metadata like title, artist, etc.). However, empirical studies have shown that the typical behaviour of customers in classic music retail stores is much more characterized by an undirected browsing in the offered catalogue without being able to articulate a clear information demand. To improve support for this access paradigm, this thesis describes the conceptualization, implementation and evaluation of a computer game-like exploration environment for music collections, which allows its users to freely and autonomously explore a comprehensibly structured music library. Such a structure is based on a quantifiable notion of similarity between songs. Therefore, in the first part of this thesis content-based, expert-based, collaborative and text-based approaches for distance calculation are discussed and assessed. To model the multiple facets of music similarity, a subset of these measures, which cover different aspects of music, are combined into a summarizing distance function. The generation of self-organizing maps allows the topology-preserving arrangement of pieces on a two-dimensional map, on which similar songs are placed close to each other. Furthermore, it allows the detection of cluster boundaries, that separate homogeneous groups of similar pieces. This information can be used to build a three-dimensional virtual landscape, which the user can freely navigate in. A main contribution of this thesis is the supplementation of this visual presentation by permanent spatialized acoustic playback of the placed pieces, which makes a media break-free communication of the actual exploration subject possible and thereby allows for a more informed navigation of the user in the landscape. To prevent users' acoustic overstimulation we developed and implemented concepts for perception focussing and intelligent selection of songs for playback. Besides the development of possibilities to customize the environment (e.g. by moving songs or changing the height profile of the terrain), we also let the environment adapt to the user automatically: On the basis of his interaction with the system, a re-weighting of the individual similarity measure components is learned, which explains the structure provided by the user best. The development of this adaptive distance measure which allows to model a personalized similarity notion can be regarded as a further main contribution of this thesis. A concluding evaluation shows the importance of the developed multimodal presentation for the user's orientation in the virtual environment and proves the performance of the adaptive distance function.

In der vorliegenden Arbeit werden neue Ansätze des visuellen Dataminings zur Analyse von intrinsisch hierarchischen komplexen Biodaten entwickelt. Die Anwendung dieser Verfahren wird anhand von Genexpressionsdaten aus dem Bereich der Biomedizin sowie von Gensequenzdaten im Bereich der Metagenomik gezeigt. Komplexe biologische Daten sind charakterisiert durch eine hohe Dimensionalität, Multimodalität, fehlende Werte und Rauschen, wodurch die Analyse dieser Daten deutlich erschwert wird. Sie lassen sich in Primärdaten (Kerndaten bzw. Messwerte, die durch moderne Technologien in hoher Zahl erzeugt werden) und Sekundärdaten (ergänzende Daten, Zusatzinformationen und Hintergrundwissen) unterteilen. Zudem weisen biologische Daten oftmals eine innere hierarchische Struktur auf (z.B. Spezies im Baum des Lebens). Diese Eigenschaft sollte bei der Entwicklung neuer Ansätze zur Analyse komplexer Daten berücksichtigt werden. Im Bereich des maschinellen Lernens steht eine große Zahl von Computeralgorithmen zur Verfügung, um diejenigen strukturellen Muster aus existierenden komplexen Daten zu extrahieren, an denen der Forscher interessiert ist. In dieser Arbeit werden bestehende Algorithmen angepasst sowie neue entwickelt, die sowohl Primär- als auch Sekundärdaten in die Auswertung einbeziehen und gleichzeitig Einsicht in die analysierten Daten gewähren. Dazu werden Gütemaße zur Clustervalidierung sowie Visualisierungstechniken entwickelt. In dieser Arbeit wird der Tree Index (TI) für die externe Validierung hierarchisch geclusterter Daten entwickelt, um die Analyse von Genexpressionsdaten zu unterstützen. Der TI wird zum Normalisierten Tree Index erweitert (NTI), mit dessen Hilfe sich Korrelationen zwischen geclusterten Primärdaten und externen Labels identifizieren lassen. Anwendung findet ausserdem die sog. REEFSOM (Nattkemper, 2005), welche adaptiert wird, um geclusterte Gendaten, klinische Daten und kategorische Daten in einer Darstellung zu integrieren. Auf dem Gebiet der Gensequenzanalyse wird ein Klassifikator für die Selbst-Organisierende Karte (SOM) im hyperbolischen Raum entwickelt, mit dem kleine DNA-Fragmente variabler Länge klassifiziert werden können. Hierfür werden 350 prokaryotische Organismen auf sechs taxonomischen Ebenen im Baum des Lebens verwendet. Zum Schluss wird gezeigt, inwieweit SOMs im euklidischen und im hyperbolischen Raum in der Lage sind, die strukturelle Organisation der prokaryotischen Organismen im Baum des Lebens abzubilden., In the present work, novel visual data mining approaches for the analysis of intrinsic hierarchical complex biodata are developed. Application of these methods is presented for gene expression data in biomedicine as well as for sequence data in metagenomics. Complex biological data is characterized by a high dimensionality, multi-modality, missing values and noisiness, making its analysis a challenging task. It consists of primary data, the core data produced by a modern high-throughput technology, and secondary data, a collection of all kinds of respective supplementary data and background knowledge. Furthermore, biological data often has an intrinsic hierarchical structure (e.g. species in the Tree of Life), an important property that should be considered when developing novel approaches for complex data analysis. Machine learning offers a wide range of computer algorithms to extract structural patterns from existing complex data to address the issues the biomedical researcher is interested in. Algorithms are adapted and developed such that both primary and secondary data are taken into account while at the same time insights into the analyzed data can be obtained. To this end, indices for cluster validation as well as methods for visualization enhancement are developed. In this work, a Tree Index (TI) is developed for the external validation of hierarchical clustering results to support the analysis of gene expression data. The TI is extended to the Normalized Tree Index (NTI) to identify correlations between clustered primary data and external labels. Also, the REEFSOM (Nattkemper, 2005) is adapted to integrate clustered gene expression data, clinical data and categorical data in one display. In the domain of sequence analysis and metagenomics, a Self-Organizing Map (SOM) classifier is developed in hyperbolic space to classify small variable-length DNA fragments. For this task, 350 prokaryotic organisms at six taxonomic levels in the Tree of Life are used. Finally, studies about the capabilities of SOMs to reassess the structural organization of the prokaryotic organisms in the Tree of Life are performed in both Euclidean and hyperbolic space.

Der Forschungsbereich der Systembiologie hat sich in den letzten Jahren mit unvergleichlicher Dynamik entwickelt und sich als interdisziplinäres Feld in den Biowissenschaften etabliert. Die Systembiologie verfolgt hierbei unter anderem das Ziel, biologische Systeme als Ganzes zu betrachten. Die analytische Erfassung der Stoffwechselzwischenprodukte, auch Metaboliten genannt, eröffnet hierbei neue Möglichkeiten. Metaboliten stellen Zwischenprodukte in vivo ablaufender biochemischer Reaktionen dar und stehen in enger Abhängigkeit zu Vorgängen, welche auf der Ebene von Transkriptom und Proteom gesteuert und ermöglicht werden. In dieser Arbeit wurden Zeitreihen von Metabolitkonzentrationen untersucht, welche im Rahmen von Fermentationsexperimenten mit dem nicht-pathogenen Bodenbakterium Corynebacterium glutamicum erfasst worden sind. Die Fermentationsexperimente wurden auf unterschiedlichen Ausgangssubstraten durchgeführt, wobei die Erfassung der Metabolitkonzentration in äquidistanten zeitlichen Abständen gehandhabt wurde. Zur Korrektur von Messfehlern und zur optimalen Vorverarbeitung der Daten wurde ein maßgeschneidertes System der Datenprozessierung entwickelt. Eine unüberwachte Datenstrukturanalyse ergab, dass sich die Metaboliten ihrer zeitlichen Ausprägung nicht uniform oder gar zufällig verhalten, sondern sich in Gruppen unterschiedlichen Prozessverhaltens einordnen lassen. Diese unüberwachte Eingruppierung anhand der in den Zeitreihen vorhandenen Strukturen erlaubte eine erste grundlegende funktionelle Zuordnung der Metaboliten. Weiterhin konnten in den Konzentrationsdaten Strukturen gefunden werden, welche deutliche Übereinstimmungen mit den physiologischen Phasen des bakteriellen Wachstums zeigten. Die Analyse der Metabolomdaten wurde in einem nächsten Schritt durch eine theoretische Betrachtungsweise erweitert. Hierzu wurde der Stoffwechsel von C. glutamicum rechnergestützt modelliert. Zu diesem Zweck wurde eine Genomannotation durchgeführt, mit dem Ziel einen möglichst umfangreichen und qualitativ hochwertigen Katalog über das enzymatische Repertoire von C. glutamicum aus Sequenzinformation abzuleiten. Generiertes Wissen über vorhandene Enzyme wurde in biochemische Reaktionen übersetzt, welche zu Reaktionsnetzwerken zusammengefügt wurden. Die erzeugten Reaktionsnetzwerke wurden unter Verwendung graphentheoretischer Ansätze analysiert. Die integrative Analyse experimenteller und theoretischer Daten ergab, dass sich Eigenschaften von Metabolitzeitreihen deutlich topologischen Merkmalen zuordnen lassen. So zeigt sich beispielsweise, dass ein auffälliger Zusammenhang zwischen der experimentell erfassten Sensitivität im Konzentrationsverlauf eines Metaboliten und seinem theoretischen Verknüpfungsgrad existiert. Weiterhin konnte gezeigt werden, dass eine hochsignifikante Prozessähnlichkeit zwischen Metaboliten sowohl in direkter Nachbarschaft als auch in größeren Reaktionsabständen auftreten kann, jedoch vorzugsweise dann existiert, wenn beide Metaboliten ihrerseits wenige Reaktionspartner haben. Die integrative Datenanalyse wurde in einem weiteren Schritt abermals erweitert, indem Transkriptominformation weiterer Studien integriert wurde. Im Detail wurde in dieser Analyse die Prozessähnlichkeit theoretisch benachbarter Metaboliten des Zentralstoffwechsels in Zusammenschau mit der Transkription enzymkodierender Gene untersucht. Die Ergebnisse zeigten deutlich, dass eine erhöhte Prozessähnlichkeit benachbarter Metaboliten dann existiert, wenn die entsprechenden enzymkodierenden Gene in Abhängigkeit des verwendeten Ausgangssubstrates signifikant exprimiert waren. Somit konnte ein Zusammenhang zwischen der Prozessähnlichkeit benachbarter Metaboliten in Abhängigkeit zur Genexpression als Resultat substratinduzierter Anpassungsvorgänge gezeigt werden. Es konnte folglich im systembiologischen Kontext belegt werden, dass auf der Ebene des Transkriptoms stattfindende Vorgänge sich deutlich bis in die Zeitreiheneigenschaften erfasster Metabolitkonzentrationen durchpausen können. Darüber hinaus zeigte sich, dass die Berechnung paarweiser Prozessähnlichkeiten das Potenzial zur Charakterisierung der zugrundeliegenden Systemeigenschaften besitzt. So ermöglichte die Betrachtung paarweiser Prozessähnlichkeiten aus allen untersuchten Fermentationsexperimenten, signifikante substrat-induzierte Veränderungen als auch invariante Merkmale im Stoffwechsel von C. glutamicum zu detektieren., Systems biology has emerged as a tremendously dynamic and interdisciplinary field within biological sciences. It aims at understanding biological systems as a whole instead of investigating well-defined compartments within. The discipline dealing with the identification of metabolites present within biological systems (on the scale of individual cells, tissues or whole multi-cellular organisms), also known as metabolomics now opens the possibility to gain a deeper insight on a system-level. Metabolites are defined as low-molecular weight compounds, representing the intermediates of chemical reactions actually taking place within the system observed. The chemical reactions are often catalyzed by enzymes, which represent the most specialized form of proteins. Enzymatic activity however, is a result of transcriptional and (post-) translational processes. This clarifies the importance of metabolites within the system-wide investigation of biological systems: metabolites - in a certain sense - represent end-products of gene regulation and protein activity. This thesis investigated metabolite concentration time-series acquired during fermentation experiments using the non-pathogen organism Corynebacterium glutamicum. Fermentation experiments were carried out on different substrates and metabolites were measured in equidistant intervals, resulting in individual time-series of metabolite concentration. A tailored data pre-processing scheme was developed to curate for measurement errors and to enhance the information content of the time-series under investigation. In-depth unsupervised statistical analysis revealed, that metabolites are not behaving uniformly or randomly across time, but instead can be clearly clustered into groups of different temporal behaviour. This finding - solely derived from structures inherent in experimental data - facilitated a first explanation for the position and functional role of metabolites within their metabolic network. Moreover it could be demonstrated that global metabolism is clearly subjected to temporal variations, almost exactly reflecting the physiological phases of bacterial growth. The analysis of metabolite time-series properties was extended utilizing a theoretical representation of the organism. Therefore the metabolism of C. glutamicum was reconstructed in silicio. The annotation of the organisms" genome utilizing up-to-date versions of sequence databases served as a starting point for the computer-based reconstruction. The goal of this approach was to derive a comprehensive and qualitative catalogue on enzymes present in C. glutamicum. Subsequently, enzyme information was translated into biochemical reactions, which were merged to reaction networks. The reaction networks created were analyzed using graph-theory based approaches and topology-related descriptors were inferred from the data set. A software system was developed to facilitate the integrative analysis of both experimental and theoretical data. Results revealed, that metabolite time-series properties could clearly be linked to network topologies. For example it could be demonstrated, that the time-series sensitivity is contingent upon the connectivity of the observed metabolite within the theoretical network. Furthermore it showed, that highly significant process similarity between metabolite time-series emerges in immediate vicinity as well as across large reaction distances within the network, but - remarkably - is constrained to low mutual connectivity. The integrative data analysis was extended in a second step by incorporating information on transcriptional activity. In this context, the process-similarities of neighbouring metabolites within the central metabolism were thoroughly investigated alongside information on transcriptional activity of the corresponding enzyme-coding genes. This analysis was conducted under different substrate conditions, which force the organism to utilize different metabolic pathways for substrate assimilation. Results impressively revealed, that process-similarity between neighbouring metabolites is increased, when the transcription of the corresponding enzyme-coding gene is significantly elevated under the given substrate-induced conditions. Two major findings were inferred: firstly, mutual metabolite time-series properties could clearly be linked to the underlying transcriptional activity. Secondly, the analysis of pair-wise process-similarities is able to serve as a fingerprint for the underlying system characteristics. In a subsequent step, mutual time-series properties from all fermentation experiments available were analyzed in a combined analysis. This approach clearly unravelled significant substrate-induced alterations as well as conserved features within the metabolism of C. glutamicum.

A crucial problem in knowledge space theory, a modern psychological test theory, is the derivation of a realistic knowledge structure representing the organization of knowledge in an information domain and examinee population under reference. Often, one is left with the problem of selecting among candidate competing knowledge structures. This article proposes a measure for the selection among competing knowledge structures. It is derived within an operational framework (prediction paradigm), and is partly based on the unitary method of proportional reduction in predictive error as advocated by the authors Guttman, Goodman, and Kruskal. In particular, this measure is designed to trade off the (descriptive) fit and size of a knowledge structure, which is of high interest in knowledge space theory. The proposed approach is compared with the Correlational Agreement Coefficient, which has been recently discussed for the selection among competing surmise relations. Their performances as selection measures are compared in a simulation study using the fundamental basic local independence model in knowledge space theory.

In der vorliegenden Dissertation wird die Entwicklung eines phylogenetischen DNA Microarrays, die Analyse von mehreren Microarray-Genexpressionsdatensätzen und neue Ansätze für die Datenanalyse und Interpretation der Ergebnisse vorgestellt. Die Entwicklung und Analyse der Daten eines phylogenetischen DNA Microarrays wird in der ersten Publikation dargestellt. Ich konnte zeigen, dass die Spezies-Detektion mit phylogenetischen Microarrays durch die Datenanalyse mit einem linearen Regressionsansatz signifikant verbessert werden kann. Standard-Methoden haben bislang nur Signalintensitäten betrachtet und eine Spezies als an- oder abwesend bezeichnet, wenn die Signalintensität ihres Messpunktes oberhalb eines willkürlich gesetzten Schwellenwertes lag. Dieses Verfahren ist allerdings aufgrund von Kreuz-Hybridisierungen nicht auf sehr nah verwandte Spezies mit hoher Sequenzidentität anwendbar. Durch die Modellierung des Hybridisierungs und Kreuz-Hybridisierungsverhaltens mit einem linearen Regressionsmodell konnte ich zeigen, dass Spezies mit einer Sequenzähnlichkeit von 97% im Markergen immer noch unterschieden werden können. Ein weiterer Vorteil der Modellierung ist, dass auch Mischungen verschiedener Spezies zuverlässig vorhergesagt werden können. Theoretisch sind auch quantitative Vorhersagen mit diesem Modell möglich. Um die großen Datenmengen, die in öffentlichen Microarray-Datenbanken abgelegt sind besser nutzen zu können, bieten sich Meta-Analysen an. In der zweiten Publikation wird eine explorative Meta-Analyse auf Arabidopsis thaliana-Datensätzen vorgestellt. Mit der Analyse verschiedener Datensätze, die den Einfluss von Pflanzenhormonen, Pathogenen oder verschiedenen Mutationen auf die Genexpression untersucht haben, konnten die Datensätze anhand ihrer Genexpressionsprofile in drei große Gruppen eingeordnet werden: Experimente mit Indol-3-Essigsäure (IAA), mit Pathogenen und andere Experimente. Gene, die charakteristisch für die Gruppe der IAA-Datensätze beziehungsweise für die Gruppe der Pathogen-Datensätze sind, wurden näher betrachtet. Diese Gene hatten Funktionen, die bereits mit Pathogenbefall bzw. dem Einfluss von IAA in Verbindung gebracht wurden. Außerdem wurden Hypothesen über die Funktionen von bislang nicht annotierten Genen aufgestellt. In dieser Arbeit werden auch Primäranalysen von einzelnen Arabidopsis thaliana Genexpressions-Datensätzen vorgestellt. In der dritten Publikation wird ein Experiment beschrieben, das durchgeführt wurde um herauszufinden ob Mikrowellen-Strahlung einen Einfluss auf die Genexpression einer Zellkultur hat. Dazu wurden explorative Analysemethoden angewendet. Es wurden geringe aber signifikante Veränderungen in einer sehr kleinen Anzahl von Genen beobachtet, die experimentell bestätigt werden konnten. Die Funktionen der regulierten Gene und eine Meta-Analyse mit öffentlich zugänglichen Datensätzen einer Datenbank deuten darauf hin, dass die pflanzliche Zellkultur die Strahlung als eine Art Energiequelle ähnlich dem Licht wahrnimmt. Des weiteren wird in der vierten Publikation die funktionelle Analyse eines Arabidopsis thaliana Genexpressionsdatensatzes beschrieben. Die Analyse der Genexpressions eines pflanzlichen Tumores zeigte, dass er seinen Stoffwechsel von aerob und auxotroph auf anaerob und heterotroph umstellt. Gene der Photosynthese werden im Tumorgewebe reprimiert, Gene des Aminosäure- und Fettstoffwechsels, der Zellwand und Transportkanäle werden so reguliert, dass Wachstum und Entwicklung des Tumors gefördert werden. In der fünften Publikation in dieser Arbeit wird GEPAT (Genome Expression Pathway Analysis Tool) beschrieben. Es besteht aus einer Internet- Anwendung und einer Datenbank, die das einfache Hochladen von Datensätzen in die Datenbank und viele Möglichkeiten der Datenanalyse und die Integration anderer Datentypen erlaubt. In den folgenden zwei Publikationen (Publikation 6 und Publikation 7) wird GEPAT auf humane Microarray-Datensätze angewendet um Genexpressionsdaten mit weiteren Datentypen zu verknüpfen. Genexpressionsdaten und Daten aus vergleichender Genom-Hybridisierung (CGH) von primären Tumoren von 71 Mantel-Zell-Lymphom (MCL) Patienten ermöglichte die Ermittlung eines Prädiktors, der die Vorhersage der Überlebensdauer von Patienten gegenüber herkömmlichen Methoden verbessert. Die Analyse der CGH Daten zeigte, dass auch diese für die Vorhersage der Überlebensdauer geeignet sind. Für den Datensatz von Patienten mit großzellig diffusem B-Zell-Lymphom DLBCL konnte aus den Genexpressionsdaten ebenfalls ein neuer Prädiktor vorgeschlagen werden. Mit den zwischen lang und kurz überlebenden Patienten differentiell exprimierten Genen der MCL Patienten und mit den Genen, die zwischen den beiden Untergruppen von DLBCL reguliert sind, wurden Interaktionsnetzwerke gebildet. Diese zeigen, dass bei beiden Krebstypen Gene des Zellzyklus und der Proliferation zwischen Patienten mit kurzer und langer Überlebensdauer unterschiedlich reguliert sind., In this thesis, the development of a phylogenetic DNA microarray, the analysis of several gene expression microarray datasets and new approaches for improved data analysis and interpretation are described. In the first publication, the development and analysis of a phylogenetic microarray is presented. I could show that species detection with phylogenetic DNA microarrays can be significantly improved when the microarray data is analyzed with a linear regression modeling approach. Standard methods have so far relied on pure signal intensities of the array spots and a simple cutoff criterion was applied to call a species present or absent. This procedure is not applicable to very closely related species with high sequence similarity because cross-hybridization of non-target DNA renders species detection impossible based on signal intensities alone. By modeling hybridization and cross-hybridization with linear regression, as I have presented in this thesis, even species with a sequence similarity of 97% in the marker gene can be detected and distinguished from related species. Another advantage of the modeling approach over existing methods is that the model also performs well on mixtures of different species. In principle, also quantitative predictions can be made. To make better use of the large amounts of microarray data stored in public databases, meta-analysis approaches need to be developed. In the second publication, an explorative meta-analysis exemplified on Arabidopsis thaliana gene expression datasets is presented. Integrating datasets studying effects such as the influence of plant hormones, pathogens and different mutations on gene expression levels, clusters of similarly treated datasets could be found. From the clusters of pathogen-treated and indole-3-acetic acid (IAA) treated datasets, representative genes were selected which pointed to functions which had been associated with pathogen attack or IAA effects previously. Additionally, hypotheses about the functions of so far uncharacterized genes could be set up. Thus, this kind of meta-analysis could be used to propose gene functions and their regulation under different conditions. In this work, also primary data analysis of Arabidopsis thaliana datasets is presented. In the third publication, an experiment which was conducted to find out if microwave irradiation has an effect on the gene expression of a plant cell culture is described. During the first steps, the data analysis was carried out blinded and exploratory analysis methods were applied to find out if the irradiation had an effect on gene expression of plant cells. Small but statistically significant changes in a few genes were found and could be experimentally confirmed. From the functions of the regulated genes and a meta-analysis with publicly available microarray data, it could be suspected that the plant cell culture somehow perceived the irradiation as energy, similar to perceiving light rays. The fourth publication describes the functional analysis of another Arabidopsis thaliana gene expression dataset. The gene expression data of the plant tumor dataset pointed to a switch from a mainly aerobic, auxotrophic to an anaerobic and heterotrophic metabolism in the plant tumor. Genes involved in photosynthesis were found to be repressed in tumors; genes of amino acid and lipid metabolism, cell wall and solute transporters were regulated in a way that sustains tumor growth and development. Furthermore, in the fifth publication, GEPAT (Genome Expression Pathway Analysis Tool), a tool for the analysis and integration of microarray data with other data types, is described. It consists of a web application and database which allows comfortable data upload and data analysis. In later chapters of this thesis (publication 6 and publication 7), GEPAT is used to analyze human microarray datasets and to integrate results from gene expression analysis with other datatypes. Gene expression and comparative genomic hybridization data from 71 Mantle Cell Lymphoma (MCL) patients was analyzed and allowed proposing a seven gene predictor which facilitates survival predictions for patients compared to existing predictors. In this study, it was shown that CGH data can be used for survival predictions. For the dataset of Diffuse Large B-cell lymphoma (DLBCL) patients, an improved survival predictor could be found based on the gene expression data. From the genes differentially expressed between long and short surviving MCL patients as well as for regulated genes of DLBCL patients, interaction networks could be set up. They point to differences in regulation for cell cycle and proliferation genes between patients with good and bad prognosis.

Zwei adaptive Verfahren, Design-Based-Research und Explorative Datenanalyse, werden als wichtige Kombination für die Untersuchung von Lehr-Lern-Systemen vorgeschlagen. Der Hauptteil des Artikels bietet einen Überblick und eine Bewertung von EDA für Forscher. Two adaptive procedures, Design-Based-Research and Exploratory Data Analysis, are proposed as an important combination for investigating Teaching and Learning Systems. The main part of the article offers an overview and an evaluation of EDA for researchers.

The main purpose of metabolic engineering is the modification of biological systems towards specific goals using genetic manipulations. For this purpose, models are built that describe the stationary and dynamic behaviour of biochemical reaction networks inside a biological cell. Based on these models, simulations are carried out with the intention to understand the cell's behaviour. The modeling process leads to the generation of large amounts of data, both during the modeling itself and after the simulation of the created models. The manual interpretation is almost impossible; consequently, appropriate techniques for supporting the analysis and visualization of these data are needed. The purpose of this thesis is to investigate visualization and data mining techniques to support the metabolic modeling process. The work presented in this thesis is divided into several tracks: -Visualization of metabolic networks and the associated simulation data. Novel visualization techniques will be presented, which allow the visual exploration of metabolic network dynamics, beyond static snapshots of the simulated data plots. Node-link representations of the metabolic network are animated using the time series of metabolite concentrations and reaction rates. In this way, bottlenecks and active parts of metabolic networks can be distinguished. Additionally, 3D visualization techniques for metabolic networks are explored for cross-free drawing of the networks in 3D visualization space. Steerable drawing of metabolic networks is also investigated. In contrast to other approaches for drawing metabolic networks, user guided drawing of the networks allows the creation of high quality drawings by including user feedback in the drawing process. -Comparison of XML/SBML files. SBML (Systems Biology Markup Language) has become ubiquitous in metabolic modeling, serving the storage and exchange of models in XML format. Generally, the modeling process is an iterative task where the next generation model is a further development of the current model, resulting in a family of models stored in SBML format. The SBML format, however, includes a great deal of information, from the structure of the biochemical network to parameters of the model or measured data. Consequently, the CustX-Diff algorithm for a customizable comparison of XML files will be introduced. By customizing the comparison process through the specification of XPath expressions, an adaptable change detection process is enabled. Thus, the comparison process can be focused on specific parts of a XML/SBML document, e.g. on the structure of a metabolic network. -Visual exploration of time-varying sensitivity matrices. Sensitivity analysis is a special method used in simulation to analyze the sensitivity of a model with respect to its parameters. The results of sensitivity analysis of a metabolic network are large time-varying matrices, which need to be properly visualized. However, the visualization of time-varying high-dimensional data is a challenging problem. For this purpose, an extensible framework is proposed, consisting of existing and novel visualization methods, which allow the visual exploration of time-varying sensitivity matrices. Tabular visualization techniques, such as the reorderable matrix, are developed further, and algorithms for their reordering are discussed. Existing and novel techniques for exploring proximity data, both in matrix form and projected using multi-dimensional scaling (MDS), are also discussed. Information visualization paradigms such as focus+context based distortion and overview+details are proposed to enhance such techniques. -Cluster ensembles for analyzing time-varying sensitivity matrices. A novel relationship-based cluster ensemble, which relies on the accumulation of the evolving pairwise similarities of objects (i.e. parameters) will be proposed, as a robust and efficient method for clustering time-varying high-dimensional data. The time-dependent similarities, obtained from the fuzzy partitions created during the fuzzy clustering process, are aggregated, and the final clustering result is derived from this aggregation., Metabolic Engineering beabsichtigt die zielgerichtete Modifikation biologischer Systeme mittels genetischer Manipulationen. In diesem Kontext werden Modelle gebaut, die sowohl das stationäre, als auch das dynamische Verhalten der biochemischen Reaktionen innerhalb einer biologischen Zelle beschreiben. Auf dieser Basis werden Simulationen durchgeführt, mit dem Ziel, das Verhalten einer Zelle zu verstehen. Der Modellierungsprozess ist mit der Erzeugung großer Datenmengen, sowohl während der Modellierung, als auch nach der Simulation der erstellten Modelle, verknüpft. Da eine manuelle Auswertung nahezu unmöglich ist, werden Techniken zur Analyse und Visualisierung solcher Daten benötigt. Die vorliegende Dissertation behandelt geeignete Ansätze der Visualisierung und des Data Minings zur Unterstützung des metabolischen Modellierungsprozesses. Die Arbeit liefert Beiträge zu folgenden Problemstellungen: -Visualisierung metabolischer Netzwerke sowie der zugehörigen Simulationsdaten. Neuartige Visualisierungstechniken, die die visuelle Exploration des Simulationsverlaufs metabolischer Netzwerke jenseits von statischen Schnappschüssen erlauben, werden vorgestellt. Knoten-Kanten Darstellungen von metabolischen Netzwerken werden durch Benutzung der jeweiligen Zeitreihen der Metabolitenkonzentrationen und Reaktionsraten animiert. Engpässe und aktive Teile eines Netzwerks werden leichter identifizierbar. 3D Visualisierungsmethoden, die das Zeichnen von Netzwerken ohne Überschneidungen von Kanten ermöglichen, werden untersucht. Das Konzept des gesteuerten Zeichnens metabolischer Netzwerke wird eingeführt. Im Gegensatz zu anderen Ansätzen wird ein vom Benutzer steuerbarer Ansatz zum Zeichnen metabolischer Netzwerke laut biochemischer Anforderungen mittels Einbindung von Benutzerrückmeldungen vorgestellt. -Vergleich von XML/SBML Dateien. SBML (Systems Biology Markup Language), ein XML-Format zur Speicherung und zum Austausch von biochemischen Modellen, ist allgegenwärtig in der metabolischen Modellierung geworden. Die metabolische Modellierung funktioniert üblicherweise als ein iterativer Prozess, bei dem neue Modelle aus vorhergehenden Modellen abgeleitet werden. Somit entstehen Familien von Modellen, die im SBML-Format gespeichert werden. Die abgespeicherten Daten enthalten eine große Menge an Informationen, von der Struktur eines Netzwerkes bis zu den Parametern eines Modells oder entsprechenden Messdaten. Zur Reduktion der Datenmenge wird der CustX-Diff Algorithmus zum gesteuerten Vergleich von XML-Dokumenten eingeführt. Durch Spezifikation von XPath-Ausdrücken wird ein anpassbarer Differenzprozess ermöglicht, der eine Fokussierung des Vergleichs auf bestimmte Teile von XML/SBML-Dokumenten erlaubt. -Visuelle Exploration von zeitabhängigen Sensitivitätsmatrizen. Sensitivitätsanalyse wird desöfteren in der Modellierung genutzt, um die Sensitivität eines Modells in Bezug auf seine Parameter zu untersuchen. Die Ergebnisse der Sensitivitätsanalyse eines metabolischen Modells sind große zeitabhängige Matrizen, die analysiert bzw. visualisiert werden sollen. Die Visualisierung hochdimensionaler Datensätze ist ein anspruchsvolles Problem. Daher wird ein erweiterbares System, bestehend aus vorhandenen und neuartigen Visualisierungstechniken zur visuellen Exploration von zeitabhängigen Sensitivitätsmatrizen, vorgestellt. Tabellarische Visualisierungsansäatze wie die sogenannte "Reorderable Matrix" werden weiterentwickelt, und Algorithmen für deren Sortierung werden diskutiert. Techniken zur Visualisierung von Proximitätsdaten, sowohl in Matrizenform, als auch projeziert anhand der Methode der Multidimensionalen Skalierung (MDS) werden erforscht. Informationsvisualisierungsparadigmen wie die focus+context basierte Verzerrung, sowie overview+details Methoden werden eingesetzt, um die vorgeschlagenen Visualisierungstechniken zu verbessern. -Cluster Ensembles zur Analyse von zeitabhängigen Sensitivitätsmatrizen. Neuartige verwandtschaft-basierte Cluster-Ensembles, die sich auf die Akkumulation der enstehenden paarweisen Ähnlichkeiten zwischen Objekten stützen, werden zur Clusterung von zeitabhängigen hochdimensionalen Datensätzen vorgeschlagen. Die zeitabhängigen Ähnlichkeiten, die aus den unscharfen Partitionen des Fuzzy-Clustering Prozesses enstehen, werden aggregiert, und die daraus resultierende Proximitätsmatrix wird zur Erzeugung des endgültigen Clusterergebnisses verwendet.

Die Messung der Genexpression ist für viele Bereiche der Biologie und Medizin wichtig geworden und unterstützt Studien über Behandlung, Krankheiten und Entwicklungsstadien. Microarrays können verwendet werden, um die Expression von tausenden mRNA-Molekülen gleichzeitig zu messen und ermöglichen so einen Einblick und einen Vergleich der verschiedenen zellulären Bedingungen. Die Daten, die durch Microarray-Experimente gewonnen werden, sind hochdimensional und verrauscht, eine Interpretation der Daten ist deswegen nicht einfach. Obwohl Programme für die statistische Auswertung von Microarraydaten existieren, fehlt vielen eine Integration der Analyseergebnisse mit einer automatischen Interpretationsmöglichkeit. In dieser Arbeit wurde GEPAT, Genome Expression Pathway Analysis Tool, entwickelt, das eine Analyse der Genexpression unter dem Gesichtspunkten der Genomik, Proteomik und Metabolik ermöglicht. GEPAT integriert statistische Methoden zum Datenimport und -analyse mit biologischer Interpretation für Genmengen oder einzelne Gene, die auf dem Microarray gemessen werden. Verschiedene Typen von Oligonukleotid- und cDNAMicroarrays können importiert werden, unterschiedliche Normalisierungsmethoden können auf diese Daten angewandt werden, anschließend wird eine Datenannotation durchgeführt. Nach dem Import können mit GEPAT verschiedene statische Datenanalysemethoden wie hierarchisches, k-means und PCA-Clustern, ein auf einem linearen Modell basierender t-Test, oder ein Vergleich chromosomaler Profile durchgeführt werden. Die Ergebnisse der Analysen können auf Häufungen biologischer Begriffe und Vorkommen in Stoffwechselwegen oder Interaktionsnetzwerken untersucht werden. Verschiedene biologische Datenbanken wurden integriert, um zu jeder Gensonde auf dem Array Informationen zur Verfügung stellen zu können. GEPAT bietet keinen linearen Arbeitsablauf, sondern erlaubt die Benutzung von beliebigen Teilmengen von Genen oder biologischen Proben als Startpunkt einer neuen Analyse oder Interpretation. Dabei verlässt es sich auf bewährte Datenanalyse-Pakete, bietet einen modularen Ansatz zur einfachen Erweiterung und kann auf einem verteilten Computernetzwerk installiert werden, um eine große Zahl an Benutzern zu unterstützen. Es ist unter der LGPL Open-Source Lizenz frei verfügbar und kann unter http://gepat.sourceforge.net heruntergeladen werden., The measurement of gene expression data is relevant to many areas of biology and medicine, in the study of treatments, diseases, and developmental stages. Microarrays can be used to measure the expression level of thousands of mRNAs at the same time, allowing insight into or comparison of different cellular conditions. The data derived out of microarray experiments is highly dimensional and noisy, and interpretation of the results can get tricky. Although programs for the statistical analysis of microarray data exist, most of them lack an integration of analysis results and biological interpretation. In this work GEPAT, Genome Expression Pathway Analysis Tool, was developed, offering an analysis of gene expression data under genomic, proteomic and metabolic context. GEPAT integrates statistical methods for data import and data analysis together with an biological interpretation for subset of genes or single genes measured on the chip. GEPAT imports various types of oligonucleotide and cDNA array data formats. Different normalization methods can be applied to the data, afterwards data annotation is performed. After import, GEPAT offers various statistical data analysis methods, as hierarchical, k-means and PCA clustering, a linear model based t-Test or chromosomal profile comparison. The results of the analysis can be interpreted by enrichment of biological terms, pathway analysis or interaction networks. Different biological databases are included, to give various informations for each probe on the chip. GEPAT offers no linear work flow, but allows the usage of any subset of probes and samples as start for a new data analysis or interpretation. GEPAT relies on established data analysis packages, offers a modular approach for an easy extension, and can be run on a computer grid to allow a large number of users. It is freely available under the LGPL open source license for academic and commercial users at http://gepat.sourceforge.net.

Information research tasks often require condensed information from different information sources. Patent analysis, for instance, requires the combination of structured data like patent classes or company names with unstructured text documents like patent abstracts or claims. Due to missing IT support, the combined analy-sis of structured and unstructured information often remains a manual and intellectual task. This work motivates, develops and evaluates an approach for interactive text and data analytics. The goal of this approach is to offer concise exploration of the task-relevant information and relationships in a single system. Information from text documents, categories and relational data is presented in graphical views which are interactively coupled so that information relationships might be used for navigation among views. The system SWAPit implements the system concept. One conceptional-technical challenge has been the adaptability of the reference technology for different application domains, business processes, and tasks. Therefore, the methods for tailoring the system and for measuring usefulness are considered important con-tributions by themselves. SWAPit has been evaluated and optimized in a broad spectrum of industrial case studies from the fields of Business Intelligence (BI), Customer Relationship Management (CRM), and Coop-erative Work (CSCW).

Techniques of data visualization are used to analyse a large dataset of company data. Interactive graphical tools are combined to highlight issues of data quality and to identify companies likely to go bankrupt.

Exploratory analysis of massive movement data Anita Graser, Melitta Dragaschnig, Hannes Koller MovingPandas: efficient structures for movement data in Python Anita Graser Open geospatial tools for movement data exploration Anita Graser, Melitta Dragaschnig <> M³ massive movement model: a distributed incrementally updatable solution for big movement data exploration Anita Graser, Peter Widhalm and Melitta Dragaschnig Exploratory trajectory analysis for massive historical AIS datasets Anita Graser, Melitta Dragaschnig, Peter Widhalm, Hannes Koller and Norbert Brändle Extracting patterns from large movement datasets Anita Graser, Peter Widhalm and Melitta Dragaschnig <> exploratory data analysis protocol for identifying problems in continuous movement data A. Graser submitted by Anita Graser Kumulative Dissertation aus 7 Artikeln Enthält Literaturangaben und Literaturverzeichnis: Seite 161-166 Dissertation Paris-Lodron University Salzburg 2021 Kurzfassung/Abstract in deutscher und englischer Sprache