Generování proteinových sekvencí s danou charakteristikou
| Thesis title in Czech: | Generování proteinových sekvencí s danou charakteristikou |
|---|---|
| Thesis title in English: | Generation of protein sequences with a given characteristic |
| Key words: | bioinformatika|velké jazykové modely|proteinové inženýrství |
| English key words: | bioinformatics|large language models|protein engineering |
| Academic year of topic announcement: | 2023/2024 |
| Thesis type: | Bachelor's thesis |
| Thesis language: | |
| Department: | Department of Software Engineering (32-KSI) |
| Supervisor: | doc. RNDr. David Hoksza, Ph.D. |
| Author: | Hugo Hrbáň - assigned and confirmed by the Study Dept. |
| Date of registration: | 12.04.2024 |
| Date of assignment: | 12.04.2024 |
| Confirmed by Study dept. on: | 12.04.2024 |
| Guidelines |
| Cílem práce je studium modelů pro generování validních proteinových sekvencí s cílem omezit generování na sekvence z daných proteinových rodin. Součástí práce bude studium existujících jazykových modelů, jejich případná modifikace a vývoj metod pro validaci generovaných sekvencí. Výstupem práce by měl být též software schopný generovat sekvence z vybraných rodin. |
| References |
| [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] Ferruz, Noelia, Steffen Schmidt, and Birte Höcker. 2022. “ProtGPT2 Is a Deep Unsupervised Language Model for Protein Design.” Nature Communications 13 (1): 4348. https://doi.org/10.1038/s41467-022-32007-7. [4] Madani, Ali, et al. "Large language models generate functional protein sequences across diverse families." Nature Biotechnology 41.8 (2023): 1099-1106. |