ČVUT DSpace
  • Prohledat DSpace
  • English
  • Přihlásit se
  • English
  • English
Zobrazit záznam 
  •   ČVUT DSpace
  • České vysoké učení technické v Praze
  • Fakulta informačních technologií
  • katedra teoretické informatiky
  • Bakalářské práce - 18101
  • Zobrazit záznam
  • České vysoké učení technické v Praze
  • Fakulta informačních technologií
  • katedra teoretické informatiky
  • Bakalářské práce - 18101
  • Zobrazit záznam
JavaScript is disabled for your browser. Some features of this site may not work without it.

Analýza sekvencí protilátek pomocí metod hlubokého učení

Antibody sequence analysis using Deep Learning

Typ dokumentu
bakalářská práce
bachelor thesis
Autor
Ján Jendrušák
Vedoucí práce
Příhoda David
Oponent práce
Kordík Pavel
Studijní obor
Teoretická informatika
Studijní program
Informatika
Instituce přidělující hodnost
katedra teoretické informatiky



Práva
A university thesis is a work protected by the Copyright Act. Extracts, copies and transcripts of the thesis are allowed for personal use only and at one?s own expense. The use of thesis should be in compliance with the Copyright Act http://www.mkcr.cz/assets/autorske-pravo/01-3982006.pdf and the citation ethics http://knihovny.cvut.cz/vychova/vskp.html
Vysokoškolská závěrečná práce je dílo chráněné autorským zákonem. Je možné pořizovat z něj na své náklady a pro svoji osobní potřebu výpisy, opisy a rozmnoženiny. Jeho využití musí být v souladu s autorským zákonem http://www.mkcr.cz/assets/autorske-pravo/01-3982006.pdf a citační etikou http://knihovny.cvut.cz/vychova/vskp.html
Metadata
Zobrazit celý záznam
Abstrakt
Pokroky v sekvenovaní umožňujú vedcom zbierať veľké množstvá DNA sekvenovaných dát a spolu s výpočtovými zdrojmi poskytovanými výpočtovými klastermi umožnňujú využívať výpočtové prístupy napomáhajúce v mnohých biologických procesoch ako vývoj vakcín alebo návrh protilátok, ktoré momentálne využívajú pracné a drahé in-vitro techniky. Spracovanie prirodzeného jazyka (NLP) je odbor zaoberajúci sa slovami a sekvenciami slov. Analógia medzi vetami, teda sekvenciami slov a biologickými sekvenciami, teda sekvenciami aminokyselín viedla k mnohým experimentom, ktoré aplikujú modely na spracovanie prirodzeného jazyka na modelovanie biologických sekvencií. V tejto práci som natrénoval NLP modely hlbokého učenia, predtrénované na ľudských protilátkach z the Observed Antibody Space database, s cieľom klasifikácie špecificity protilátok voči Hepatitíde typu B. Finálny model je schopný predikovať špecificitu protilátok voči Hepatitíde typu B s nasledovným F1 skóre a ROC AUC proporcioniálnym k veľkosti klonotypov: 0.116, 0.829 pre validačné dáta a 0.333, 0.509 pre testovacie dáta (z inej vakcinačnej štúdie), v danom poradí. Tento model bol prekonaný jednoduchším modelom používajúcim molekulárne odtlačky s nasledovnými výsledkami: 0.155, 0.715 a 0.474, 0.645, v odpovedajúcom poradí. V práci je navrhnutá postupnosť operácií, ktorá môže byť ďalej vylepšená pomocou iných metód alebo jej rozšírením o ďalšie predspracovanie dát alebo iné reprezentácie protilátok. Napriek tomu, že výkon in-silico metód je horší oproti in-vitro metódam, poskytujú lacnejšiu, rýchlejšiu a škálovateľnejšiu alternatívu alebo dodatočnú techniku, ktorá môže byť v budúcnosti ďalej vylepšovaná.
 
Advances in sequencing technologies allow scientist to gather large amounts of DNA sequence data and together with computational resources provided by high-performance computing clusters allow the use of computational approaches aiding in many biological processes such as vaccine development or antibody design which currently employ laborious and expensive in-vitro techniques. Natural Language Processing (NLP) is a field dealing with words and sequences of words. The analogy between sentences as sequences of words and biological sequences as sequences of amino acids led to experiments applying NLP models for modelling biological sequences. In this work, I train deep learning NLP models pre-trained on human antibodies from the Observed Antibody Space database in order to classify Hepatitis B specificity of antibodies. The final model can predict antibodies' Hepatitis B specificity with following F1 scores and ROC AUC proportional to the clonotype sizes: 0.116, 0.829 for validation data and 0.333, 0.509 for the test data (from different vaccination study), in the given order. This model has been outperformed by a simpler model using molecular fingerprints yielding following results: 0.155, 0.715 and 0.474, 0.645, in the same order. The thesis outlines a pipeline which can be further improved by using different models or extending the pipeline by additional data preprocessing or different representations of antibodies. Even though the performance of the in-silico methods is worse than the performance of in-vitro methods, they provides a cheaper, faster and more scalable alternative or additional technique that can be further improved.
 
URI
http://hdl.handle.net/10467/90328
Zobrazit/otevřít
PLNY_TEXT (13.20Mb)
POSUDEK (135.1Kb)
POSUDEK (136.5Kb)
Kolekce
  • Bakalářské práce - 18101 [360]

České vysoké učení technické v Praze copyright © 2016 

DSpace software copyright © 2002-2016  Duraspace

Kontaktujte nás | Vyjádření názoru
Theme by 
@mire NV
 

 

Užitečné odkazy

ČVUT v PrazeÚstřední knihovna ČVUTO digitální knihovně ČVUTInformační zdrojePodpora studiaPodpora publikování

Procházet

Vše v DSpaceKomunity a kolekceDle data publikováníAutořiNázvyKlíčová slovaTato kolekceDle data publikováníAutořiNázvyKlíčová slova

Můj účet

Přihlásit se

České vysoké učení technické v Praze copyright © 2016 

DSpace software copyright © 2002-2016  Duraspace

Kontaktujte nás | Vyjádření názoru
Theme by 
@mire NV