Umeå universitets logga

umu.sePublikationer
Ändra sökning
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf
The emergence of an antimicrobial resistant Staphylococcus epidermidis clone in Northern Europe
Umeå universitet, Teknisk-naturvetenskapliga fakulteten, Institutionen för matematik och matematisk statistik.
Umeå universitet, Medicinska fakulteten, Molekylär Infektionsmedicin, Sverige (MIMS). Umeå universitet, Medicinska fakulteten, Institutionen för klinisk mikrobiologi, Klinisk bakteriologi.
Umeå universitet, Medicinska fakulteten, Institutionen för klinisk mikrobiologi, Infektionssjukdomar.
Umeå universitet, Medicinska fakulteten, Institutionen för klinisk mikrobiologi.
Visa övriga samt affilieringar
(Engelska)Manuskript (preprint) (Övrigt vetenskapligt)
Nationell ämneskategori
Sannolikhetsteori och statistik Mikrobiologi inom det medicinska området
Identifikatorer
URN: urn:nbn:se:umu:diva-175240OAI: oai:DiVA.org:umu-175240DiVA, id: diva2:1469597
Tillgänglig från: 2020-09-22 Skapad: 2020-09-22 Senast uppdaterad: 2020-11-11
Ingår i avhandling
1. Hidden patterns that matter: statistical methods for analysis of DNA and RNA data
Öppna denna publikation i ny flik eller fönster >>Hidden patterns that matter: statistical methods for analysis of DNA and RNA data
2020 (Engelska)Doktorsavhandling, sammanläggning (Övrigt vetenskapligt)
Alternativ titel[sv]
Dolda betydelsefulla mönster : statistiska metoder för analys av DNA och RNA data
Abstract [en]

Understanding how the genetic variations can affect characteristics and function of organisms can help researchers and medical doctors to detect genetic alterations that cause disease and reveal genes that causes antibiotic resistance. The opportunities and progress associated with such data come however with challenges related to statistical analysis. It is only by using properly designed and employed tools, that we can extract the information about hidden patterns. In this thesis we present three types of such analysis. First, the genetic variant in the gene COL17A1 that causes corneal dystrophy with recurrent erosions is reveled. By studying Next-generation sequencing data, the order of the nucleotides in the DNAsequence was be obtained, which enabled us to detect interesting variants in the genome. Further, we present results of an experimental design study with the aim to make the best selection from a family that is affected by an inherited disease. In second part of the work, we analyzed a novel antibiotic resistance Staphylococcus epidermidis clone that is only found in northern Europe. By investigating its genetic data, we revealed similarities to a world known antibiotic resistance clone. As a result, the antibiotic resistance profile is established from the DNA sequences. Finally, we also focus on the challenges related to the abundance of genetic data from different sources. The increasing number of public gene expression datasets gives us opportunity to increase our understanding by using information from multiple sources simultaneously. Naturally, this requires merging independent datasets together. However, when doing so, the technical and biological variation in the joined data increases. We present a pre-processing method to construct gene co-expression networks from a large diverse gene-expression dataset.

Ort, förlag, år, upplaga, sidor
Umeå: Umeå universitet, Institutionen för matematik och matematisk statistik, 2020. s. 26
Serie
Research report in mathematical statistics, ISSN 1653-0829 ; 71/20
Nyckelord
Genome, Next-generation sequence, statistics, microarrays, bacteria, antibiotic resistance, inherited diseases, Co-expression networks, centralization within subgroups
Nationell ämneskategori
Sannolikhetsteori och statistik Biologiska vetenskaper Medicin och hälsovetenskap
Identifikatorer
urn:nbn:se:umu:diva-175242 (URN)978-91-7855-240-5 (ISBN)978-91-7855-241-2 (ISBN)
Disputation
2020-10-16, Hörsal B, Lindellhallen, Umeå, 09:00 (Engelska)
Opponent
Handledare
Tillgänglig från: 2020-09-25 Skapad: 2020-09-22 Senast uppdaterad: 2020-09-23Bibliografiskt granskad

Open Access i DiVA

Fulltext saknas i DiVA

Person

Kellgren, ThereseDwibedi, Chinmay KumarWiderström, MicaelMonsen, Tor J.Rydén, PatrikJohansson, Anders

Sök vidare i DiVA

Av författaren/redaktören
Kellgren, ThereseDwibedi, Chinmay KumarWiderström, MicaelMonsen, Tor J.Rydén, PatrikJohansson, Anders
Av organisationen
Institutionen för matematik och matematisk statistikMolekylär Infektionsmedicin, Sverige (MIMS)Klinisk bakteriologiInfektionssjukdomarInstitutionen för klinisk mikrobiologi
Sannolikhetsteori och statistikMikrobiologi inom det medicinska området

Sök vidare utanför DiVA

GoogleGoogle Scholar

urn-nbn

Altmetricpoäng

urn-nbn
Totalt: 201 träffar
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf