Uporaba metoda nenadziranog učenja za potrebe kemoinformatičkih analiza

diplomski rad

• Naslov (engleski): The use of unsupervised learning methods for cheminformatics analyses
• Autor: Marko Kremer
• Mentor: Damir Pintar (mentor)
• Član povjerenstva: Damir Pintar (predsjednik povjerenstva)
• Član povjerenstva: Mihaela Vranić (član povjerenstva)
• Član povjerenstva: Luka Humski (član povjerenstva)
• Ustanova koja je dodijelila akademski / stručni stupanj: Sveučilište u Zagrebu; Fakultet elektrotehnike i računarstva; Zagreb
• Datum i država obrane: 2024-07-01, Hrvatska

Sažetak

Kemoinformatika je interdisciplinarno područje koje spaja kemiju sa računalnom odnosno informacijskom znanošću, koristeći računarske tehnike za rješavanje kemijskih problema. Jedan od elemenata kemoinformatike su molekularni otisci. Molekularni otisci su binarni zapisi strukture molekula. Molekularni otisci korišteni u ovom radu su MACCS, Morgan, Atom Pair, Pharmacore, Topological Torsions i RDKit otisak. Za uspoređivanje molekula koristilo se nekoliko metoda sličnosti: Tanimotov koeficijent, Euklidska udaljenost, Manhattanova udaljenost, kosinusna sličnost, Dice koeficijent i Russel-RAO koeficijent. Nakon oddabira otiska i metode sličnosti provelo se grupiranje Taylor-Butina algoritmom, koji je napravljen posebno za područje kemoinformatike.

Sažetak (engleski)

Chemoinformatics is an interdisciplinary field that combines chemistry with computer or information science, using computer techniques to solve chemical problems. One of the elements of chemoinformatics is molecular fingerprints. Molecular fingerprints are binary records of the structure of molecules. Molecular fingerprints used in this work are MACCS, Morgan, Atom Pair, Pharmacore, Topological Torsions and RDKit fingerprint. Several similarity methods were used to compare molecules: Tanimoto coefficient, Euclidean distance, Manhattan distance, cosine similarity, Dice coefficient and Russel-RAO coefficient. After selecting the fingerprint and the similarity method, clustering was carried out using the Taylor-Butin algorithm, which was created specifically for the field of chemoinformatics.

• Ključne riječi: kemoinformatika; molekularni otisci; nenadzirano učenje; grupiranje; strojno učenje; mjere sličnosti
• Ključne riječi (engleski): chemoinformatics; molecular fingerprints; unsupervised learning; clustering; machine learning; similarity measures
• Jezik: hrvatski
• URN:NBN: urn:nbn:hr:168:547239
• 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: 2024-10-12 21:11:47