In this manuscript we described the main computational challenges of the cancer phylogenetic field and we proposed different solutions for the three main problems of (i) the progression reconstruction of a tumor sample, (ii) the clustering of SCS data to allow for a cleaner and faster inference and (iii) the evaluation of different phylogenies. Furthermore we combined them into a usable pipeline to allow for a faster analysis.

In questo manoscritto vengono discussi le principali sfide computazionali nel campo della inferenza di filogenesi tumorale a vengono proposte diverse soluzione per i tre principali problemi di (i) ricostruzione dell'evoluzioni di un campione tumorale, (ii) clustering di dati SCS per una piu' pulita e veloce inferenza e (iii) il confronto di diverse filogenesi. Inoltre viene discusso come combinare le diverse soluzioni in una singola pipeline per una piu' rapida analisi.

Practical algorithms for Computational Phylogenetics

CICCOLELLA, SIMONE
2022

Abstract

In this manuscript we described the main computational challenges of the cancer phylogenetic field and we proposed different solutions for the three main problems of (i) the progression reconstruction of a tumor sample, (ii) the clustering of SCS data to allow for a cleaner and faster inference and (iii) the evaluation of different phylogenies. Furthermore we combined them into a usable pipeline to allow for a faster analysis.
21-feb-2022
Inglese
In questo manoscritto vengono discussi le principali sfide computazionali nel campo della inferenza di filogenesi tumorale a vengono proposte diverse soluzione per i tre principali problemi di (i) ricostruzione dell'evoluzioni di un campione tumorale, (ii) clustering di dati SCS per una piu' pulita e veloce inferenza e (iii) il confronto di diverse filogenesi. Inoltre viene discusso come combinare le diverse soluzioni in una singola pipeline per una piu' rapida analisi.
Filogenetica; Sequenziamento genom; Algortimi; Misure di similarita; Clustering
MARIANI, LEONARDO
Università degli Studi di Milano-Bicocca
File in questo prodotto:
File Dimensione Formato  
phd_unimib_762234.pdf

accesso aperto

Dimensione 16.56 MB
Formato Adobe PDF
16.56 MB Adobe PDF Visualizza/Apri

I documenti in UNITESI sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/20.500.14242/78095
Il codice NBN di questa tesi è URN:NBN:IT:UNIMIB-78095