Predikce sekundární struktury RNA
Loading...
Date
Authors
Polzerová, Nikola
ORCID
Advisor
Referee
Mark
C
Journal Title
Journal ISSN
Volume Title
Publisher
Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií
Abstract
Sekundární struktura RNA se stala v posledních letech fenoménem. Hraje klíčovou roli v pochopení principů genové exprese a stability RNA, a také pokládá důležitý základ pro správnou predikci terciálních struktur. Proto dochází k velice rychlému rozvoji predikce pomocí výpočetních metod a také pomocí metod strojového učení. V rámci práce byly popsány nejčastěji citované metody strojového učení pro predikci sekundárních struktur RNA. Na základě získaných znalostí byla implementována reziduální neuronová síť. Implementovaná reziduální síť byla netrénována, validována a otestována na sekvencích z datasetu bpRNA-1m, jejichž sekundární struktury neobsahují pseudouzly.
RNA secondary structure has become a phenomenon in last years. It plays a key role in understanding the principles of gene expression and RNA stability. It also plays an important foundation for correct prediction of tertiary structures. That resulted into rapid development of secondary structure prediction throughout computational methods and especially machine learning methods. The most frequently cited machine learning methods for RNA secondary structure prediction were described. Based on gained knowledge, a residual network was implemented. Implemented residual network was trained, validated and tested on pseudoknotted free structures from bpRNA-1m dataset.
RNA secondary structure has become a phenomenon in last years. It plays a key role in understanding the principles of gene expression and RNA stability. It also plays an important foundation for correct prediction of tertiary structures. That resulted into rapid development of secondary structure prediction throughout computational methods and especially machine learning methods. The most frequently cited machine learning methods for RNA secondary structure prediction were described. Based on gained knowledge, a residual network was implemented. Implemented residual network was trained, validated and tested on pseudoknotted free structures from bpRNA-1m dataset.
Description
Citation
POLZEROVÁ, N. Predikce sekundární struktury RNA [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2023.
Document type
Document version
Date of access to the full text
Language of document
en
Study field
bez specializace
Comittee
prof. Ing. Valentýna Provazník, Ph.D. (předseda)
Ing. Martin Vítek, Ph.D. (místopředseda)
Ing. Jiří Chmelík, Ph.D. (člen)
Ing. Markéta Jakubíčková, Ph.D. (člen)
Ing. Kateřina Šabatová (člen)
Ing. Radovan Smíšek, Ph.D. (člen)
Date of acceptance
2023-06-07
Defence
Studentka prezentovala výsledky své práce a komise byla seznámena s posudky. Ing. Nykrýnová položila otázku, co znamená dlouhá sekvence? Jak získat testovací data pro dlouhé sekvence? Jak byla určována přesnost predikce? Ing. Chmelík položil otázku jaká byla použita ztrátová funkce. Šla by zavést regularizace do výpočtu? Jak byla ošetřena délka vstupu sítě pro různě dlouhé sekvence? Studentka odpověděla na otázky členů komise a oponenta. Studentka obhájila diplomovou práci s výhradami.
Result of defence
práce byla úspěšně obhájena
Document licence
Standardní licenční smlouva - přístup k plnému textu bez omezení