but.jazyk	angličtina (English)
but.program	Výpočetní technika a informatika	cs
but.result	práce byla úspěšně obhájena	cs
dc.contributor.advisor	Smrž, Pavel	en
dc.contributor.author	Šilhavá, Jana	en
dc.contributor.referee	Matula, Petr	en
dc.contributor.referee	Železný, Filip	en
dc.date.accessioned	2021-11-22T22:18:29Z
dc.date.available	2021-11-22T22:18:29Z
dc.date.created		cs
dc.description.abstract	Dizertační práce se zabývá predikcí vysokodimenzionálních dat genových expresí. Množství dostupných genomických dat významně vzrostlo v průběhu posledního desetiletí. Kombinování dat genových expresí s dalšími daty nachází uplatnění v mnoha oblastech. Například v klinickém řízení rakoviny (clinical cancer management) může přispět k přesnějšímu určení prognózy nemocí. Hlavní část této dizertační práce je zaměřena na kombinování dat genových expresí a klinických dat. Používáme logistické regresní modely vytvořené prostřednictvím různých regularizačních technik. Generalizované lineární modely umožňují kombinování modelů s různou strukturou dat. V dizertační práci je ukázáno, že kombinování modelu dat genových expresí a klinických dat může vést ke zpřesnění výsledku predikce oproti vytvoření modelu pouze z dat genových expresí nebo klinických dat. Navrhované postupy přitom nejsou výpočetně náročné. Testování je provedeno nejprve se simulovanými datovými sadami v různých nastaveních a následně s~reálnými srovnávacími daty. Také se zde zabýváme určením přídavné hodnoty microarray dat. Dizertační práce obsahuje porovnání příznaků vybraných pomocí klasifikátoru genových expresí na pěti různých sadách dat týkajících se rakoviny prsu. Navrhujeme také postup výběru příznaků, který kombinuje data genových expresí a znalosti z genových ontologií.	en
dc.description.abstract	This thesis deals with class prediction with high-dimensional gene expression data. During the last decade, an increasing amount of genomic data has become available. Combining gene expression data with other data can be useful in clinical management, where it can improve the prediction of disease prognosis. The main part of this thesis is aimed at combining gene expression data with clinical data. We use logistic regression models that can be built through various regularized techniques. Generalized linear models enable us to combine models with different structure of data. It is shown that such a combination may yield more accurate predictions than those obtained based on the use of gene expression or clinical data alone. Suggested approaches are not computationally intensive. Evaluations are performed with simulated data sets in different settings and then with real benchmark data sets. The work also characterizes an additional predictive value of microarrays. The thesis includes a comparison of selected features of gene expression classifiers built up in five different breast cancer data sets. Finally, a feature selection that combines gene expression data with gene ontology information is proposed.	cs
dc.description.mark	P	cs
dc.identifier.citation	ŠILHAVÁ, J. Metody pro predikci s vysokodimenzionálními daty genových expresí [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. .	cs
dc.identifier.other	99795	cs
dc.identifier.uri	http://hdl.handle.net/11012/63225
dc.language.iso	en	cs
dc.publisher	Vysoké učení technické v Brně. Fakulta informačních technologií	cs
dc.rights	Standardní licenční smlouva - přístup k plnému textu bez omezení	cs
dc.subject	predictive classification	cs
dc.subject	generalized linear models	cs
dc.subject	boosting	cs
dc.subject	logistic regression	cs
dc.subject	elastic net	cs
dc.subject	model evaluation	cs
dc.subject	high-dimensional data	cs
dc.subject	combining of heterogenous data	cs
dc.subject	feature selection	cs
dc.subject	DNA microarray data	cs
dc.subject	gene expression	cs
dc.subject	clinical data	cs
dc.subject	gene ontology	cs
dc.subject	prediktivní klasifikace	en
dc.subject	generalizované lineární modely	en
dc.subject	boosting	en
dc.subject	logistická regrese	en
dc.subject	elastická síť	en
dc.subject	vyhodnocování modelu	en
dc.subject	vysokodimensionální data	en
dc.subject	kombinování heterogenních dat	en
dc.subject	výběr příznaků	en
dc.subject	DNA microarray data	en
dc.subject	genové exprese	en
dc.subject	klinická data	en
dc.subject	genové ontologie	en
dc.title	Metody pro predikci s vysokodimenzionálními daty genových expresí	en
dc.title.alternative	Methods for class prediction with high-dimensional gene expression data	cs
dc.type	Text	cs
dc.type.driver	doctoralThesis	en
dc.type.evskp	dizertační práce	cs
dcterms.modified	2020-05-10-17:46:39	cs
eprints.affiliatedInstitution.faculty	Fakulta informačních technologií	cs
sync.item.dbid	99795	en
sync.item.dbtype	ZP	en
sync.item.insts	2021.11.22 23:18:29	en
sync.item.modts	2021.11.22 22:37:23	en
thesis.discipline	Výpočetní technika a informatika	cs
thesis.grantor	Vysoké učení technické v Brně. Fakulta informačních technologií. Ústav počítačové grafiky a multimédií	cs
thesis.level	Doktorský	cs
thesis.name	Ph.D.	cs

Metody pro predikci s vysokodimenzionálními daty genových expresí

Files

Original bundle

Collections