prikaz prve stranice dokumenta Prepoznavanje pojačivača u genomu metodama strojnog učenja
Rad nije dostupan
diplomski rad
Prepoznavanje pojačivača u genomu metodama strojnog učenja
Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2022. urn:nbn:hr:168:950014
Milisavljević, Alexandra
Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva

Institucijski repozitorij: Repozitorij FER-a

Citirajte ovaj rad

Milisavljević, A. (2022). Prepoznavanje pojačivača u genomu metodama strojnog učenja (Diplomski rad). Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:168:950014

Milisavljević, Alexandra. "Prepoznavanje pojačivača u genomu metodama strojnog učenja." Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2022. https://urn.nsk.hr/urn:nbn:hr:168:950014

Milisavljević, Alexandra. "Prepoznavanje pojačivača u genomu metodama strojnog učenja." Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2022. https://urn.nsk.hr/urn:nbn:hr:168:950014

Milisavljević, A. (2022). 'Prepoznavanje pojačivača u genomu metodama strojnog učenja', Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, citirano: 26.12.2024., https://urn.nsk.hr/urn:nbn:hr:168:950014

Milisavljević A. Prepoznavanje pojačivača u genomu metodama strojnog učenja [Diplomski rad]. Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva; 2022 [pristupljeno 26.12.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:950014

A. Milisavljević, "Prepoznavanje pojačivača u genomu metodama strojnog učenja", Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, Zagreb, 2022. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:950014

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:168:950014
Podaci o radu
NaslovPrepoznavanje pojačivača u genomu metodama strojnog učenja
Naslov (engleski)Application of machine learning methods to genome-wide prediction of enhancers
AutorAlexandra Milisavljević
MentorMirjana Domazet-Lošo (mentor)
Član povjerenstvaMirjana Domazet-Lošo (predsjednik povjerenstva)
Član povjerenstvaTomislav Jagušt (član povjerenstva)
Član povjerenstvaMarko Horvat (član povjerenstva)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva
Zagreb
Datum i država obrane2022-06-30, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		TEHNIČKE ZNANOSTI
Računarstvo
Sažetak
Pojačivači u genomu su cis-regulatorni elementi DNA koji pozitivno reguliraju transkripciju određenih gena. Predviđa se da je u ljudskom genomu na stotine tisuća pojačivača, što zahtijeva previše resursa i vremena da bi se provjerilo eksperimentalno. Primjenom metoda strojnog učenja mogli bi se dobiti modeli koji sa zadovoljavajućom preciznošću klasificiraju je li sekvenca DNA pojačivač ili ne. U ovom radu promatra se tri grupe metoda strojnog učenja: metoda potpornih vektora (engl. support vector machine SVM), neuronska mreža MLP (engl. multilayer perceptron) i ensemble učenje. Rezultati dobivenih modela se uspoređuju s dva postojeća alata iEnhancer-2L i iEnhancer-EL. Moguća je vizualizacija rezultata predikcije više modela za istu DNA sekvencu.
Sažetak (engleski)
Enhancers are cis-regulatory elements of DNA that positively regulate the transcription of their target genes. It is estimated that there are hundreds of thousands of enhancers in the human genome, which is too large a task to check experimentally. By applying machine learning methods, we could obtain models of adequate accuracy to predict if a DNA sequence is an enhancer or not. This thesis observes three classes of machine learning methods: support vector machine SVM, multilayer perceptron neural network MLP, and ensemble learning. The results of our models are then compared to existing tools for identifying enhancers, iEnhancer-2L and iEnhancer-EL. We also provide a visualization of the predicted results for the different models on the same DNA sequence.
Ključne riječi
Ključne riječi (engleski)
Jezikengleski
URN:NBNurn:nbn:hr:168:950014
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 15:38:56