prikaz prve stranice dokumenta Konstruktivno pretraživanje peptida zasnovano na principu suparničkih mreža
Pristup korisnicima matične ustanove
diplomski rad
Konstruktivno pretraživanje peptida zasnovano na principu suparničkih mreža
Rijeka: Sveučilište u Rijeci, Tehnički fakultet, 2021. urn:nbn:hr:190:168278
Vidaković-Lipovac, Marin
Sveučilište u Rijeci
Tehnički fakultet
Zavod za računarstvo
Katedra za programsku podršku

Institucijski repozitorij: Repozitorij Tehničkog fakulteta u Rijeci

Citirajte ovaj rad

Vidaković Lipovac, M. (2021). Konstruktivno pretraživanje peptida zasnovano na principu suparničkih mreža (Diplomski rad). Rijeka: Sveučilište u Rijeci, Tehnički fakultet. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:190:168278

Vidaković Lipovac, Marin. "Konstruktivno pretraživanje peptida zasnovano na principu suparničkih mreža." Diplomski rad, Sveučilište u Rijeci, Tehnički fakultet, 2021. https://urn.nsk.hr/urn:nbn:hr:190:168278

Vidaković Lipovac, Marin. "Konstruktivno pretraživanje peptida zasnovano na principu suparničkih mreža." Diplomski rad, Sveučilište u Rijeci, Tehnički fakultet, 2021. https://urn.nsk.hr/urn:nbn:hr:190:168278

Vidaković Lipovac, M. (2021). 'Konstruktivno pretraživanje peptida zasnovano na principu suparničkih mreža', Diplomski rad, Sveučilište u Rijeci, Tehnički fakultet, citirano: 27.11.2024., https://urn.nsk.hr/urn:nbn:hr:190:168278

Vidaković Lipovac M. Konstruktivno pretraživanje peptida zasnovano na principu suparničkih mreža [Diplomski rad]. Rijeka: Sveučilište u Rijeci, Tehnički fakultet; 2021 [pristupljeno 27.11.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:190:168278

M. Vidaković Lipovac, "Konstruktivno pretraživanje peptida zasnovano na principu suparničkih mreža", Diplomski rad, Sveučilište u Rijeci, Tehnički fakultet, Rijeka, 2021. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:190:168278

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:190:168278
Podaci o radu
NaslovKonstruktivno pretraživanje peptida zasnovano na principu suparničkih mreža
Naslov (engleski)Constructive peptide design based on the adversarial networks principle
AutorMarin Vidaković-Lipovac
MentorGoran Mauša (mentor)
Član povjerenstvaSandi Ljubić (predsjednik povjerenstva)
Član povjerenstvaIvan Štajduhar (član povjerenstva)
Član povjerenstvaGoran Mauša (član povjerenstva)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište u Rijeci
Tehnički fakultet
(Zavod za računarstvo)
(Katedra za programsku podršku)
Rijeka
Datum i država obrane2021-09-20, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		TEHNIČKE ZNANOSTI
Računarstvo
Sažetak
U ovom radu korištene su generativne suparničke mreže kako bi se generirale nove sekvence peptida s antimikrobijskim svojstvima. Predstavljena je priprema podataka u kojoj su se postojeći antimikrobni peptidi morali pretvoriti u one-hot vektorski zapis. Klasičan model generatora izmijenjen je tako što mu je zadnji sloj bio podijeljen u 50 skupina po 21 neuron, te je za svaku skupinu korištena omekšana softmax aktivacijska funkcija. Za model diskriminatora je korišten obični klasifikacijski model. Model je uspješno istreniran, vidljiv je porast udjela generiranih antimikrobnih peptida kroz epohe, 56% nakon 5000 epoha, te čak 86% nakon 10 000 epoha. Analiza sekvenci pokazala je da su generirani peptidi kraći od peptida korištenih za trening, te je također vidljivo da se aminokiseline alanin (A), glicin (G), lizin (K), leucin (L) pojavljuje češće, iznad 10%. Dok se aminokiseline glutaminska kiselina (E), histidin (H), metionin (M), triptofan (W), tirozin (Y) pojavljuju rjeđe, ispod 1%.
Sažetak (engleski)
In this thesis, generative adversarial networks were used to generate new peptide sequences with antimicrobial activity. Data preparation was presented in which existing antimicrobial peptides had to be converted to a one-hot vector record. The classic model of the generator was modified, the last network layer was divided into 50 groups of 21 neurons, and a softened softmax activation function was used for each group. An ordinary classification model was used for the discriminator model. The model has been successfully trained, the increase in the share of generated antimicrobial peptides through epochs is visible, 56% after 5000 epochs, and even 86% after 10 000 epochs. Sequence analysis showed that the generated peptides were shorter than the peptides used for training, and it was also seen that the amino acids alanine (A), glycine (G), lysine (K), leucine (L) occur more frequently, above 10 %. While the amino acids glutamic acid (E), histidine (H), methionine (M), tryptophan (W), tyrosine (Y) occur less frequently, below 1%.
Ključne riječi
Ključne riječi (engleski)
Jezikhrvatski
URN:NBNurn:nbn:hr:190:168278
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 pristupaPristup korisnicima matične ustanove
Uvjeti korištenjaIkona licence Zaštićeno autorskim pravom.
Datum i vrijeme pohrane2021-10-15 12:33:58