Využití konvolučních neuronových sítí pro detekci protein-ligand vazebných míst
Název práce v češtině: | Využití konvolučních neuronových sítí pro detekci protein-ligand vazebných míst |
---|---|
Název v anglickém jazyce: | Using convolutional neural networks to detect protein-ligand binding sites |
Klíčová slova: | protein|bioinformatika|strojové učení|cnn |
Klíčová slova anglicky: | protein|bioinformatics|machine learning|cnn |
Akademický rok vypsání: | 2023/2024 |
Typ práce: | bakalářská práce |
Jazyk práce: | |
Ústav: | Katedra softwarového inženýrství (32-KSI) |
Vedoucí / školitel: | doc. RNDr. David Hoksza, Ph.D. |
Řešitel: | skrytý - zadáno a potvrzeno stud. odd. |
Datum přihlášení: | 22.02.2024 |
Datum zadání: | 23.02.2024 |
Datum potvrzení stud. oddělením: | 24.02.2024 |
Zásady pro vypracování |
Cílem práce je prozkoumat možnosti převodu lokální struktury proteinů do obrazové informace a aplikace neuronových sítí s cílem detekovat protein-ligand vazebná residua. V několika pracích bylo ukázáno, že převod vysoce dimenzionálních dat, zvláště pak v případě, kdy mezi dimenzemi existují závislosti, vede k možnosti kódovat tato data jako obrázky a využít aparát konvolučních neuoronových sítí k efektivní klasifikaci takových dat. Práce bude zkoumat možnosti tohoto převodu v kontextu protein-ligand vazebných míst a srovná schopnost takto kódovaných dat predikovat vazebná residua se standardním kódováním bez využití převodu do obrázku. Výstupem práce bude kromě samotné explorace i funkční software, který bude umožňovat uživateli jednoduché využití natrénovaného modelu na zadaných proteinových strukturách. |
Seznam odborné literatury |
[1] Jones N.: An Introduction to Bioinformatics Algorithms, The MIT Press, 2004
[2] Liljas A., et al.: Textbook Of Structural Biology, World Scientific Publishing Company, 2009 [3] Bazgir, Omid, et al. "Representation of features as images with neighborhood dependencies for compatibility with convolutional neural networks." Nature communications 11.1 (2020): 4391. [4] Zhu, Yitan, et al. "Converting tabular data into images for deep learning with convolutional neural networks." Scientific reports 11.1 (2021): 11325. |