prikaz prve stranice dokumenta Analiza sličnosti peptida temeljena na latentnom prostoru autoenkodera
  Preuzmi
PDF 2.26 MB
diplomski rad
Analiza sličnosti peptida temeljena na latentnom prostoru autoenkodera
Rijeka: Sveučilište u Rijeci, Tehnički fakultet, 2023. urn:nbn:hr:190:513051
Novosel, Bruno
Sveučilište u Rijeci
Tehnički fakultet

Institucijski repozitorij: Repozitorij Tehničkog fakulteta u Rijeci

Citirajte ovaj rad

Novosel, B. (2023). Analiza sličnosti peptida temeljena na latentnom prostoru autoenkodera (Diplomski rad). Rijeka: Sveučilište u Rijeci, Tehnički fakultet. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:190:513051

Novosel, Bruno. "Analiza sličnosti peptida temeljena na latentnom prostoru autoenkodera." Diplomski rad, Sveučilište u Rijeci, Tehnički fakultet, 2023. https://urn.nsk.hr/urn:nbn:hr:190:513051

Novosel, Bruno. "Analiza sličnosti peptida temeljena na latentnom prostoru autoenkodera." Diplomski rad, Sveučilište u Rijeci, Tehnički fakultet, 2023. https://urn.nsk.hr/urn:nbn:hr:190:513051

Novosel, B. (2023). 'Analiza sličnosti peptida temeljena na latentnom prostoru autoenkodera', Diplomski rad, Sveučilište u Rijeci, Tehnički fakultet, citirano: 23.11.2024., https://urn.nsk.hr/urn:nbn:hr:190:513051

Novosel B. Analiza sličnosti peptida temeljena na latentnom prostoru autoenkodera [Diplomski rad]. Rijeka: Sveučilište u Rijeci, Tehnički fakultet; 2023 [pristupljeno 23.11.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:190:513051

B. Novosel, "Analiza sličnosti peptida temeljena na latentnom prostoru autoenkodera", Diplomski rad, Sveučilište u Rijeci, Tehnički fakultet, Rijeka, 2023. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:190:513051

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:190:513051
Podaci o radu
NaslovAnaliza sličnosti peptida temeljena na latentnom prostoru autoenkodera
Naslov (engleski)Peptide similarity analysis based on autoencoder latent space
AutorBruno Novosel
MentorGoran Mauša (mentor)
Član povjerenstvaMladen Tomić (predsjednik povjerenstva)
Član povjerenstvaSandi Ljubić (član povjerenstva)
Član povjerenstvaGoran Mauša (član povjerenstva)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište u Rijeci
Tehnički fakultet
Rijeka
Datum i država obrane2023, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		TEHNIČKE ZNANOSTI
Računarstvo
Sažetak
Unatoč brzom napretku medicine i znanosti, mnoge bolesti i dalje predstavljaju veliku prijetnju ljudskom zdravlju. U tom kontekstu, peptidi su se istaknuli kao obećavajuće novo rješenje pri liječenju. Razne metode strojnog učenja pokazale su se vrlo učinkovitima za otkrivanje novih peptida sa željenim svojstvima. U ovom radu proveli smo istraživanje o primjeni varijacijskih autoenkodera za analizu sličnosti peptida s antimikrobnim i antiviralnim svojstvima kako bismo pokušali bolje shvatiti vezu između njihovih sekvenci i fizikalno-kemijskih značajki. Kao krajnji rezultat dobiven je VAE koji uspješno uči smislene prikaze peptida u dvodimenzionalnom latentnom prostoru, koji je uspješan u rekonstrukciji peptida iz latentnog prostora i koji se pokazao kao moćan pristup istraživanju strukturnih veza među peptidima. Potreban je dodatan trud i ulaganja u slična istraživanja jer imaju velik potencijal za ostvarenje napretka u medicini i poboljšanje kvalitete ljudskog života.
Sažetak (engleski)
Despite the quick progress in medicine and science, there are still many diseases that pose a threat to human health. In this context, peptides stood out as a new promising treatment solution. Various machine learning methods have proven very effective in discovering new peptides with desired properties. In this paper, we conducted research on the application of variational autoencoders for similarity analysis of peptides with antimicrobial and antiviral properties so we could better understand the connection between their sequences and physicochemical properties. As the end result we got a variational autoencoder that successfully learns meaningful representations of peptides in a two-dimensional latent space, that is successful in reconstructing peptides from latent space and has proven to be a powerful approach to researching structural bonds between peptides. Additional effort and investment in similar research is needed because of its great potential for achieving progress in medicine and improving the quality of human life.
Ključne riječi
Ključne riječi (engleski)
Jezikhrvatski
URN:NBNurn:nbn:hr:190:513051
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 pristupaOtvoreni pristup
Uvjeti korištenjaIkona licence Imenovanje 4.0 međunarodna (CC BY 4.0)
Datum i vrijeme pohrane2023-09-12 14:08:50