Methoden en toepassingen voor bayesiaanse fylodynamische inferentie

Bayesiaanse fylodynamische analyses van epidemieën omvatten een steeds groter wordende hoeveelheid genoomsequenties en geassocieerde metadata. De groeiende dimensionaliteit vraagt om de ontwikkeling van nieuwe inferentiemethoden die toelaten om grote hoeveelheden data te incorporeren in zulke analyses. Het doel van dit doctoraat is om aanpakken te ontwikkelen die toelaten om nieuwe, bijkomende data te incorporeren in lopende analyses, en ook om nieuwe transitiefuncties te ontwikkelen die de zoekruimte efficiënter kunnen verkennen dan huidige technieken.