prikaz prve stranice dokumenta Aktivno učenje za detekciju rijetkih epigenetskih modifikacija
No public access
undergraduate thesis
Aktivno učenje za detekciju rijetkih epigenetskih modifikacija
Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing, 2023. urn:nbn:hr:168:110135
Pintarić, Matija
University of Zagreb
Faculty of Electrical Engineering and Computing

Institutional repository: FER Repository

Cite this document

Pintarić, M. (2023). Aktivno učenje za detekciju rijetkih epigenetskih modifikacija (Undergraduate thesis). Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing. Retrieved from https://urn.nsk.hr/urn:nbn:hr:168:110135

Pintarić, Matija. "Aktivno učenje za detekciju rijetkih epigenetskih modifikacija." Undergraduate thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, 2023. https://urn.nsk.hr/urn:nbn:hr:168:110135

Pintarić, Matija. "Aktivno učenje za detekciju rijetkih epigenetskih modifikacija." Undergraduate thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, 2023. https://urn.nsk.hr/urn:nbn:hr:168:110135

Pintarić, M. (2023). 'Aktivno učenje za detekciju rijetkih epigenetskih modifikacija', Undergraduate thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, accessed 11 July 2024, https://urn.nsk.hr/urn:nbn:hr:168:110135

Pintarić M. Aktivno učenje za detekciju rijetkih epigenetskih modifikacija [Undergraduate thesis]. Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing; 2023 [cited 2024 July 11] Available at: https://urn.nsk.hr/urn:nbn:hr:168:110135

M. Pintarić, "Aktivno učenje za detekciju rijetkih epigenetskih modifikacija", Undergraduate thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, Zagreb, 2023. Available at: https://urn.nsk.hr/urn:nbn:hr:168:110135

Metadata
TitleAktivno učenje za detekciju rijetkih epigenetskih modifikacija
Title (english)Active Learning for Detecting Sparse Epigenetic Modifications
AuthorMatija Pintarić
MentorMile Šikić (mentor)
Committee memberMile Šikić (predsjednik povjerenstva)
Committee memberRafael Josip Penić (član povjerenstva)
Committee memberFilip Tomas (član povjerenstva)
GranterUniversity of Zagreb
Faculty of Electrical Engineering and Computing
Zagreb
Defense date and country2023-07-05, Croatia
Scientific / art field,
discipline and subdiscipline		TECHNICAL SCIENCES
Computing
Abstract
Epigenetske modifikacije su vrsta modifikacija DNK koje ne mijenjaju sekvencu baza i reverzibilne su. Pokazalo se da su one važan faktor u mnogim biološkim procesima. Ko- rištenje modela dubokog učenja za detekciju epigenetskih modifikacija analizom podataka dobivenih pomoću sekvenciranja temeljenog na nanoporama pokazalo se kao superiorni pristup. Međutim, ovi modeli loše izvode detekciju rijetkih modifikacija zbog disbalansiranog skupa podataka. Glavni cilj ovog rada bio je koristiti metode aktivnog učenja stvorene za ublažavanje disbalansa klasa i poboljšanje detekcije rijetkih modifikacija. Model koji je korišten u ovom radu je Rockfish, model dubokog učenja dizajniran za detekciju modifikacija. Isprobane su i evaluirane tri različite metode.
Abstract (english)
Epigenetic modifications are a type of DNA modifications that do not alter the base sequence and are reversible. They have shown to be an important factor in many biological processes. Usage of deep learning models for detection of epigenetic modification by analyzing data obtained through nanopore-based sequencing has been shown as the superior approach. However, these models perform poorly in detecting rare modifications, because of the disbalanced dataset. The main goal of this thesis, was to use active learning methods created to mitigate class imbalance and improve detection of rare modifications. The model used for this thesis is Rockfish, a deep learning model designed for modification detecting. Three different active learning methods were tried and evaluated.
Keywords
Keywords (english)
Languageenglish
URN:NBNurn:nbn:hr:168:110135
Study programmeTitle: Computing
Study programme type: university
Study level: undergraduate
Academic / professional title: sveučilišni/a prvostupnik/ prvostupnica (baccalaureus/baccalaurea) inženjer/inženjerka računarstva (sveučilišni/a prvostupnik/ prvostupnica (baccalaureus/baccalaurea) inženjer/inženjerka računarstva)
Type of resourceText
File originBorn digital
Access conditionsClosed access
Terms of useLicence In copyright icon
Public note
Created on2023-10-11 10:09:23