but.committee	prof. Ing. Lukáš Sekanina, Ph.D. (předseda) doc. Ing. František Zbořil, Ph.D. (místopředseda) Ing. Vladimír Bartík, Ph.D. (člen) doc. Mgr. Lukáš Holík, Ph.D. (člen) Ing. Tomáš Martínek, Ph.D. (člen) doc. RNDr. Petr Šaloun, Ph.D. (člen)	cs
but.defence	Student nejprve prezentoval výsledky, kterých dosáhl v rámci své práce. Komise se poté seznámila s hodnocením vedoucího a posudkem oponenta práce. Student následně odpověděl na otázky oponenta a na další otázky přítomných. Komise se na základě posudku oponenta, hodnocení vedoucího, přednesené prezentace a odpovědí studenta na položené otázky rozhodla práci hodnotit stupněm " A ". Otázky u obhajoby: Zohlednil jste při vytváření trénovací sady pro metody strojového učení i skutečnost, že některé z nástrojů pro predikci vlivu nukleotidových mutací mohou mít s touto sadou nenulový průnik? Na obrázku 9.9 lze pozorovat, že v některých případech nově navržený konsensuální nástroj ohodnocuje věrohodnost výsledků predikce na 100%, i když věrohodnost jednotlivých nástrojů je nižší. Jak by jste tento výsledek interpretoval?	cs
but.jazyk	čeština (Czech)
but.program	Informační technologie	cs
but.result	práce byla úspěšně obhájena	cs
dc.contributor.advisor	Bendl, Jaroslav	cs
dc.contributor.author	Šalanda, Ondřej	cs
dc.contributor.referee	Martínek, Tomáš	cs
dc.date.accessioned	2018-10-21T20:57:36Z
dc.date.available	2018-10-21T20:57:36Z
dc.date.created	2015	cs
dc.description.abstract	Tato práce prezentuje nový přístup k~predikci efektu nukleotidového polymorfismu v~lidském genomu. Cílem je vytvoření nového klasifikátoru, který kombinuje výsledky již existujících softwarových nástrojů. Tohoto konsenzu nad dílčími výsledky je dosaženo experimentováním s~metodami strojového učení, přičemž výsledný model pak tvoří nejúspěšnější z~nich. Závěrečné komplexní srovnání výsledků metaklasifikátoru s dílčími nástroji ukazuje průměrné navýšení obsahu plochy pod ROC křivkou o 3,4 a eskalaci normované přesnosti až o 7\,\%. Vytvořený prediktor je zpřístupněn prostřednictvím webového rozhraní na adrese http://ll06.sci.muni.cz:6232/snpeffect/.	cs
dc.description.abstract	This thesis brings a new approach to the prediction of the effect of nucleotide polymorphism on human genome. The main goal is to create a new meta-classifier, which combines predictions of several already implemented software classifiers. The novelty of developed tool lies in using machine learning methods to find consensus over those tools, that would enhance accuracy and versatility of prediction. Final experiments show, that compared to the best integrated tool, the meta-classifier increases the area under ROC curve by 3,4 in average and normalized accuracy is improved by up to 7\,\%. The new classifying service is available at http://ll06.sci.muni.cz:6232/snpeffect/.	en
dc.description.mark	A	cs
dc.identifier.citation	ŠALANDA, O. Strojové učení v úloze predikce vlivu nukleotidového polymorfismu [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2015.	cs
dc.identifier.other	88504	cs
dc.identifier.uri	http://hdl.handle.net/11012/52242
dc.language.iso	cs	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	Deoxyribonukleová kyselina	cs
dc.subject	protein	cs
dc.subject	mutace	cs
dc.subject	polymorfismus	cs
dc.subject	predikce	cs
dc.subject	trénovací dataset	cs
dc.subject	strojové učení	cs
dc.subject	konsenzuální predikce	cs
dc.subject	Deoxyribonucleic acid	en
dc.subject	protein	en
dc.subject	mutation	en
dc.subject	polymorphism	en
dc.subject	prediction	en
dc.subject	training dataset	en
dc.subject	machine learning	en
dc.subject	ensemble learning	en
dc.title	Strojové učení v úloze predikce vlivu nukleotidového polymorfismu	cs
dc.title.alternative	Prediction of the Effect of Nucleotide Substitution Using Machine Learning	en
dc.type	Text	cs
dc.type.driver	masterThesis	en
dc.type.evskp	diplomová práce	cs
dcterms.dateAccepted	2015-06-24	cs
dcterms.modified	2020-05-10-16:11:51	cs
eprints.affiliatedInstitution.faculty	Fakulta informačních technologií	cs
sync.item.dbid	88504	en
sync.item.dbtype	ZP	en
sync.item.insts	2021.11.23 00:09:54	en
sync.item.modts	2021.11.22 22:55:49	en
thesis.discipline	Bioinformatika a biocomputing	cs
thesis.grantor	Vysoké učení technické v Brně. Fakulta informačních technologií. Ústav informačních systémů	cs
thesis.level	Inženýrský	cs
thesis.name	Ing.	cs

Strojové učení v úloze predikce vlivu nukleotidového polymorfismu

Files

Original bundle

Collections