Model dubokog učenja s kraja na kraj za određivanje očitanih baza dobivenih uređajem za sekvenciranje MinION

diplomski rad

• Naslov (engleski): End-to-End Deep Learning Model for Base Calling of MinION Nanopore Reads
• Autor: Neven Miculinić
• Mentor: Mile Šikić (mentor)
• Član povjerenstva: Mile Šikić (predsjednik povjerenstva)
• Član povjerenstva: Marko Subašić (član povjerenstva)
• Član povjerenstva: Krešimir Križanović (član povjerenstva)
• Ustanova koja je dodijelila akademski / stručni stupanj: Sveučilište u Zagrebu; Fakultet elektrotehnike i računarstva; Zagreb
• Datum i država obrane: 2018-07-05, Hrvatska
• Znanstveno / umjetničko područje, polje i grana: TEHNIČKE ZNANOSTI; Računarstvo

Sažetak

Uređaj MinION od firme Oxford Nanopore Technologies je prvi portabilni DNA sekvencer.
Glavne prednosti uključuju dulje sekvence nego konkurentske tehnologije i analitiku u stvarnom vremenu.
Iako duge sekvence do 882 000 baznih parova mogu biti postignute, to dolazi uz cijenu preciznosti of 10\% ili vise.
Cilj ovog diplomskog rada je istražiti novu metodu treniranja sekvencora koristeći vise-zadačni trening i autoenkoder kao sekundarni zadatak u svrhu unaprijeđena točnosti primarnog, sekvencioniranja.
Model je istreniran na R9.4 E.Coli podacima i uspoređen je s ostalim rješenjima na Klebsiella pneumoniae podacima.
Kompletni se izvorni kod nalazi na https://github.com/nmiculinic/minion-basecaller/

Sažetak (engleski)

The MinION device by Oxford Nanopore Technologies is the first portable DNA sequencing device.
Main advantages include producing longer reads than competing technologies and real-time data analysis making it suitable for a wide array of possible applications.
Although long reads of up to 882 000 bp can be achieved, this comes at a cost - an error rate of 10\% or higher.
The goal of this thesis is to explore novel basecaller training technique using multi-task training and autoencoder loss as a secondary task to improve performance of basecalling.
The model has been trained on R9.4 E.Coli dataset and has been compared with contemporary solutions on Klebsiella pneumoniae dataset. The complete source code is available on https://github.com/nmiculinic/minion-basecaller/

• Ključne riječi: određivanjebaza; OxfordNanoporeTechnologies; MinION; dubokoučenje; prevođenje; konvolucijskeneuronskemreže; rezidualnemreže; CTCgubitak
• Ključne riječi (engleski): basecalling; OxfordNanoporeTechnologies; MinION; deeplearning; seq2seq; convolutionalneuralnetwork; residualnetwork; CTCloss
• Jezik: engleski
• URN:NBN: urn:nbn:hr:168:035297
• Studijski program: Naziv: Računarstvo; Vrsta studija: sveučilišni; Stupanj studija: diplomski; Akademski / stručni naziv: magistar/magistra inženjer/inženjerka računarstva (mag.ing.comp.)
• Vrsta resursa: Tekst
• Način izrade datoteke: Izvorno digitalna
• Prava pristupa: Zatvoreni pristup
• Datum i vrijeme pohrane: 2019-03-13 22:59:26