prikaz prve stranice dokumenta Ab-initio detekcija gena s pomoću dubokog učenja
  Preuzmi
PDF 625.31 KB
završni rad
Ab-initio detekcija gena s pomoću dubokog učenja
Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2024. urn:nbn:hr:168:585780
Kufrin, Fran
Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva

Institucijski repozitorij: Repozitorij FER-a

Citirajte ovaj rad

Kufrin, F. (2024). Ab-initio detekcija gena s pomoću dubokog učenja (Završni rad). Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:168:585780

Kufrin, Fran. "Ab-initio detekcija gena s pomoću dubokog učenja." Završni rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2024. https://urn.nsk.hr/urn:nbn:hr:168:585780

Kufrin, Fran. "Ab-initio detekcija gena s pomoću dubokog učenja." Završni rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2024. https://urn.nsk.hr/urn:nbn:hr:168:585780

Kufrin, F. (2024). 'Ab-initio detekcija gena s pomoću dubokog učenja', Završni rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, citirano: 13.03.2025., https://urn.nsk.hr/urn:nbn:hr:168:585780

Kufrin F. Ab-initio detekcija gena s pomoću dubokog učenja [Završni rad]. Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva; 2024 [pristupljeno 13.03.2025.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:585780

F. Kufrin, "Ab-initio detekcija gena s pomoću dubokog učenja", Završni rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, Zagreb, 2024. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:585780

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:168:585780
Podaci o radu
NaslovAb-initio detekcija gena s pomoću dubokog učenja
Naslov (engleski)Ab-initio Gene Detection Using Deep Learning
AutorFran Kufrin
MentorKrešimir Križanović (mentor)
Član povjerenstvaKrešimir Križanović (predsjednik povjerenstva)
Član povjerenstvaJosipa Lipovac (član povjerenstva)
Član povjerenstvaRafael Josip Penić (član povjerenstva)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva
Zagreb
Datum i država obrane2024-07-12, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		TEHNIČKE ZNANOSTI
Računarstvo
Sažetak
Razvoj dubokih neuronskih mreža doveo je do značajnih pomaka u mnogim područjima, uključujući bioinformatiku. Jedno od tih područja je detekcija gena unutar genoma različitih vrsta. U ovom radu fokusiramo se na ab initio metodu detekcije gena. Umjetne neuronske mreže su iznimno prikladne za ab initio detekciju gena zbog svoje sposobnosti učenja složenih i apstraktnih značajki iz podataka. Implementirani model koristi kombinaciju konvolucijskih, rekurentnih i potpuno povezanih slojeva, čime se iskorištavaju prednosti svake od tih arhitektura. Model je treniran i testiran na javno dostupnim podacima genoma bakterija. Rezultati evaluacije na razini pojedinačne nukleotidne baze pokazali su se vrlo dobrima, no glavni cilj rada je točno određivanje početaka i krajeva gena u genomu, odnosno generiranje preciznih anotacija. Iako su rezultati anotacija trenutno niskog postotka, što može biti razočaravajuće, to otvara mogućnosti za daljnje poboljšanje modela, poput isprobavanja novih arhitektura i poboljšanja metoda naknadne obrade podataka, s ciljem dobivanja preciznijih anotacija.
Sažetak (engleski)
The development of deep neural networks has led to significant advancements in many fields, including bioinformatics. One of these areas is gene detection within the genomes of various species. In this study, we focus on the ab initio method of gene detection. Artificial neural networks are exceptionally well-suited for ab initio gene detection due to their ability to learn complex and abstract features from data. The implemented model uses a combination of convolutional, recurrent, and fully connected layers, leveraging the advantages of each architecture. The model was trained and tested on publicly available bacterial genome data. The evaluation results at the single nucleotide base level were very good, but the main goal of the study is to accurately determine the start and end points of genes in the genome, to generate precise annotations. Although the annotation results are currently at a low percentage, which may be disappointing, this opens up opportunities for further improvement of the model, such as testing new architectures and enhancing data post-processing methods to achieve more precise annotations.
Ključne riječi
Ključne riječi (engleski)
Jezikhrvatski
URN:NBNurn:nbn:hr:168:585780
Studijski programNaziv: Računarstvo
Vrsta studija: sveučilišni
Stupanj studija: preddiplomski
Akademski / stručni naziv: sveučilišni/a prvostupnik/ prvostupnica (baccalaureus/baccalaurea) inženjer/inženjerka računarstva (univ.bacc.ing.comp.)
Vrsta resursaTekst
Način izrade datotekeIzvorno digitalna
Prava pristupaOtvoreni pristup
Uvjeti korištenjaIkona licence Zaštićeno autorskim pravom.
Javna napomena
Datum i vrijeme pohrane2024-10-12 21:14:35