prikaz prve stranice dokumenta Predviđanje interakcije među proteinima korištenjem konvolucijske neuronske mreže
Rad nije dostupan
diplomski rad
Predviđanje interakcije među proteinima korištenjem konvolucijske neuronske mreže
Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2020. urn:nbn:hr:168:063839
Segarić, Lucija
Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva

Institucijski repozitorij: Repozitorij FER-a

Citirajte ovaj rad

Segarić, L. (2020). Predviđanje interakcije među proteinima korištenjem konvolucijske neuronske mreže (Diplomski rad). Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:168:063839

Segarić, Lucija. "Predviđanje interakcije među proteinima korištenjem konvolucijske neuronske mreže." Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2020. https://urn.nsk.hr/urn:nbn:hr:168:063839

Segarić, Lucija. "Predviđanje interakcije među proteinima korištenjem konvolucijske neuronske mreže." Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2020. https://urn.nsk.hr/urn:nbn:hr:168:063839

Segarić, L. (2020). 'Predviđanje interakcije među proteinima korištenjem konvolucijske neuronske mreže', Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, citirano: 29.12.2024., https://urn.nsk.hr/urn:nbn:hr:168:063839

Segarić L. Predviđanje interakcije među proteinima korištenjem konvolucijske neuronske mreže [Diplomski rad]. Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva; 2020 [pristupljeno 29.12.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:063839

L. Segarić, "Predviđanje interakcije među proteinima korištenjem konvolucijske neuronske mreže", Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, Zagreb, 2020. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:063839

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:168:063839
Podaci o radu
NaslovPredviđanje interakcije među proteinima korištenjem konvolucijske neuronske mreže
Naslov (engleski)Protein-protein interaction prediction using convolutional neural network
AutorLucija Segarić
MentorMirjana Domazet-Lošo (mentor)
Član povjerenstvaMirjana Domazet-Lošo (predsjednik povjerenstva)
Član povjerenstvaIvica Botički (član povjerenstva)
Član povjerenstvaTomislav Jagušt (član povjerenstva)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva
Zagreb
Datum i država obrane2020-07-07, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		TEHNIČKE ZNANOSTI
Računarstvo
Sažetak
Razvoj novih eksperimentalnih metoda omogućio je prikupljanje velike količine podataka vezanih uz interakciju među proteinima. Pošto su te metode veoma skupe i vremenski zahtjevne, razvijeno je mnogo računalnih metoda koje služe za predviđanje interakcije među proteinima i koje pokazuju obećavajuće rezultate. U okviru ovog diplomskog rada, istražen je i izgrađen model predviđanja interakcije među proteinima iz sljedova aminokiselina baziran na Sijamskoj konvolucijskoj neuronskoj mreži. Implementacija modela izvedena je u programskom jeziku Lua uz korištenje računalnog okvira Torch koji sadrži podršku za algoritme strojnog i dubokog učenja. Model je evaluiran na tri različita skupa podataka i pokazuje dobre rezultate na dva od ta tri skupa, sa najboljim rezultatima na Multi-species skupu gdje ostvaruje točnost i mjeru F1 u iznosu od 0.72.
Sažetak (engleski)
The development of high-throughput experimental techniques has enabled discovery of a large amount of protein-protein interaction (PPI) data. Since those methods are expensive and time-consuming, many computational methods for PPI prediction have been developed and show promising results. In this thesis, a deep learning model based on Siamese convolutional neural network for prediction of PPIs from amino acid sequences was studied and built. The model was implemented in Lua programming language with Torch framework which has a wide support for machine learning and deep learning algorithms. I evaluated it on three different datasets and it shows good results on two of those datasets, with best performance on Multi-species dataset, where accuracy and F1 scores of 0.72 were achieved.
Ključne riječi
Ključne riječi (engleski)
Jezikengleski
URN:NBNurn:nbn:hr:168:063839
Studijski programNaziv: Računarstvo
Vrsta studija: sveučilišni
Stupanj studija: diplomski
Akademski / stručni naziv: magistar/magistra inženjer/inženjerka računarstva (mag.ing.comp.)
Vrsta resursaTekst
Način izrade datotekeIzvorno digitalna
Prava pristupaZatvoreni pristup
Uvjeti korištenjaIkona licence Zaštićeno autorskim pravom.
Javna napomena
Datum i vrijeme pohrane2023-01-13 10:42:24