Prepoznavanje pojačivača u genomu metodama strojnog učenja

diplomski rad

• Naslov (engleski): Application of machine learning methods to genome-wide prediction of enhancers
• Autor: Alexandra Milisavljević
• Mentor: Mirjana Domazet-Lošo (mentor)
• Član povjerenstva: Mirjana Domazet-Lošo (predsjednik povjerenstva)
• Član povjerenstva: Tomislav Jagušt (član povjerenstva)
• Član povjerenstva: Marko Horvat (član povjerenstva)
• Ustanova koja je dodijelila akademski / stručni stupanj: Sveučilište u Zagrebu; Fakultet elektrotehnike i računarstva; Zagreb
• Datum i država obrane: 2022-06-30, 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: pojačivači; genom; strojno učenje; SVM; MLP; ensemble učenje
• Ključne riječi (engleski): enhancers; genome; machine learning; SVM; MLP; ensemble learning
• Jezik: engleski
• URN:NBN: urn:nbn:hr:168:950014
• 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: 2023-01-13 15:38:56