velikost textu

Predicting novel drug-target interactions via deep learning techniques

Upozornění: Informace získané z popisných dat či souborů uložených v Repozitáři závěrečných prací nemohou být použity k výdělečným účelům nebo vydávány za studijní, vědeckou nebo jinou tvůrčí činnost jiné osoby než autora.
Název:
Predicting novel drug-target interactions via deep learning techniques
Název v češtině:
Predikování nových drug-target interakcí pomocí deep learningu
Typ:
Diplomová práce
Autor:
Bc. Adam Frey
Vedoucí:
Mgr. Ladislav Peška
Oponent:
Mgr. Miroslav Kratochvíl
Id práce:
201269
Fakulta:
Matematicko-fyzikální fakulta (MFF)
Pracoviště:
Katedra softwarového inženýrství (32-KSI)
Program studia:
Informatika (N1801)
Obor studia:
Umělá inteligence (IUI)
Přidělovaný titul:
Mgr.
Datum obhajoby:
3. 2. 2020
Výsledek obhajoby:
Velmi dobře
Jazyk práce:
Angličtina
Klíčová slova:
drug-target interakce, deep learning, denoising autoencoders, word2vec
Klíčová slova v angličtině:
drug-target interactions, deep learning, denoising autoencoders, word2vec
Abstrakt:
Abstrakt Adam Frey Záměrem této práce bylo vyvinout model strojového učení pro predikci in- terakcí mezi léky a bílkovinami v těle. Inspirována předchozími metodami zaměřila se práce hlavně na metody typu ”collaborative filtering” a hlubokého učení. Cílem bylo překonání předchozích modelů. Tento cíl byl dosažen po- mocí série vylepšení základního algoritmu faktorizace latentnich matic na rele- vantním datasetu. Malé množství dat se aktuálně jeví jako bariéra pro využití více sofistikovaných metod hlubokého učení. Hybridní přistupy doporučovacích systémů kombinující vícero typů dat se zdají jako logický další krok.
Abstract v angličtině:
Abstract Adam Frey Aim of this work was to develop a machine-learning model for a prediction of drug-target interactions. Inspired by previous state-of-the-art approaches, the work focuses on collaborative filtering methods and deep learning neural network models. The goal of improving upon the previous work was achieved using a series of improvements of a basic latent matrix factorization algorithm on the relevant dataset. The small amount of data currently seems like the bottleneck for utilizing more sophisticated deep learning methods. As such hybrid approaches for recommendation systems can prove to be interesting next step due to their effective utilization of multiple data sources.
Dokumenty
Stáhnout Dokument Autor Typ Velikost
Stáhnout Text práce Bc. Adam Frey 4.58 MB
Stáhnout Příloha k práci Bc. Adam Frey 1.34 MB
Stáhnout Abstrakt v českém jazyce Bc. Adam Frey 46 kB
Stáhnout Abstrakt anglicky Bc. Adam Frey 46 kB
Stáhnout Posudek vedoucího Mgr. Ladislav Peška 278 kB
Stáhnout Posudek oponenta Mgr. Miroslav Kratochvíl 61 kB
Stáhnout Záznam o průběhu obhajoby doc. RNDr. Iveta Mrázová, CSc. 152 kB