Témata prací (Výběr práce)Témata prací (Výběr práce)(verze: 368)
Detail práce
   Přihlásit přes CAS
Enzyme optimization using sequence homology and machine learning
Název práce v češtině: Optimalizace enzymů ze sekvenční homologie za pomoci strojového učení
Název v anglickém jazyce: Enzyme optimization using sequence homology and machine learning
Akademický rok vypsání: 2021/2022
Typ práce: diplomová práce
Jazyk práce: angličtina
Ústav: Katedra buněčné biologie (31-151)
Vedoucí / školitel: David Příhoda
Řešitel: skrytý - zadáno vedoucím/školitelem
Datum přihlášení: 18.11.2021
Datum zadání: 14.02.2022
Datum odevzdání elektronické podoby:09.08.2022
Datum proběhlé obhajoby: 07.09.2022
Oponenti: doc. RNDr. David Hoksza, Ph.D.
 
 
 
Předběžná náplň práce
Práce je popsána v anglické verzi
Předběžná náplň práce v anglickém jazyce
In pharmaceutical research and development, enzymes play an important role in the synthesis of drugs and drug-related molecules. For higher efficiency and increased production, it is important to optimize the yield of these enzymes, a task often addressed by protein engineering and design. This process however can become tedious with the vast options of mutations for each single protein.

To improve the process of enzyme optimization, sequence homology and machine learning methods can be used. These greatly reduce the manual effort of protein redesign and can assist in finding the most fit enzyme for the given task, increasing the efficiency of the overall drug development pipeline.

The aim of this thesis is to: 1) Summarize existing methods for diversifying and selecting enzymes for drug synthesis 2) Develop a novel machine learning method and a baseline method based on sequence homology 3) Computationally evaluate the implemented methods using previously published experimental data
 
Univerzita Karlova | Informační systém UK