Automatická anotace proteinů s využitím hierarchických vztahů genové ontologie

Abstract

Automatizace predikce funkce proteinů je nezbytná pro efektivní anotaci rozsáhlých genomických dat. Tato práce představuje nový přístup k propojení konvoluční neuronové sítě s transferovým učením za účelem přiřazení termů Genové Ontologie (GO) sekvencím proteinů. GO termy jsou uspořádány do cest v grafu GO podle jejich hierarchické vzdálenosti od kořene grafu, a konvoluční síť je poté zpracovává jeden po druhém. Hierarchické vztahy mezi jednotlivými GO termy jsou na každé úrovni využity k významné redukci datasetu, což vede k významnému časovému zefektivnění procesu trénování. Navržená metoda je porovnána s řadou stávajících metod pro automatickou anotaci funkce proteinů.Automated protein function prediction is essential for efficiently annotating large-scale genomic data. This thesis proposes a novel approach, which integrates a convolutional neural network with transfer learning to assign Gene Ontology (GO) terms to protein sequences. The convolutional neural network is designed to process GO terms arranged in GO graph paths individually according to their hierarchical distance from the root term. The hierarchical relationships between GO terms are leveraged to reduce the dataset at every level, thereby significantly streamlining the training process. To assess the efficacy of the proposed method, it is benchmarked against a range of existing approaches for automated protein function annotation.