Analysis and classification of long terminal repeat (LTR) sequences using machine learning approaches – Bc. Jakub Horváth
Bc. Jakub Horváth
Diplomová práce
Analysis and classification of long terminal repeat (LTR) sequences using machine learning approaches
Analysis and classification of long terminal repeat (LTR) sequences using machine learning approaches
Anotace:
Táto práca sa zameriava na analýzu a klasifikáciu sekvencií Long Terminal Repeats (LTR), ktoré sú kritickými zložkami retrotranspozónov, zohrávajúce významnú úlohu v štruktúre a evolúcii genómu. Práca využíva techniky vyhľadávania častých vzorov (Pattern mining) na identifikáciu významných spoluvýskytov transkripčných motívov v sekvenciách LTR s cieľom charakterizovať ich rozmanitosť a distribúciu …víceAbstract:
This thesis focuses on the analysis and classification of long terminal repeat (LTR) sequences, which are critical components of retrotransposons that play a significant role in genome structure and evolution. The work employs frequent pattern-mining techniques to identify significantly co-occurring motifs in LTR sequences, with the goal of characterizing their diversity and distribution. For the classification …více
Jazyk práce: angličtina
Datum vytvoření / odevzdání či podání práce: 16. 5. 2023
Identifikátor:
https://is.muni.cz/th/m8eg3/
Obhajoba závěrečné práce
- Obhajoba proběhla 21. 6. 2023
- Vedoucí: Ing. Matej Lexa, Ph.D.
- Oponent: doc. Mgr. Bc. Vít Nováček, PhD
Citační záznam
Citace dle ISO 690:
HORVÁTH, Jakub. \textit{Analysis and classification of long terminal repeat (LTR) sequences using machine learning approaches}. Online. Diplomová práce. Brno: Masarykova univerzita, Fakulta informatiky. 2023. Dostupné z: https://theses.cz/id/8rskwi/.
Plný text práce
Obsah online archivu závěrečné práce
Zveřejněno v Theses:- světu
Jak jinak získat přístup k textu
Instituce archivující a zpřístupňující práci: Masarykova univerzita, Fakulta informatikyMasarykova univerzita
Fakulta informatikyMagisterský studijní program / obor:
Umělá inteligence a zpracování dat / Bioinformatika a systémová biologie
Práce na příbuzné téma
-
Large Language Models (LLMs): Examining the quality of generated text with task specific data
Michal Caninec -
Exploring Semantic Homogeneity in Unlabeled Data Clustering Using Large Language Models
Bashar FARES -
Large Language Models as a tool for generating high-level features for text documents
Vojtěch Balek -
Developing a Cybersecurity Domain Chatbot based on an Open Source Large Language Model
Shahrukh Azhar AHSAN -
Think Twice Before You Answer: Mitigating Biases of Question Answering Models
Lukáš Mikula -
Tool for data pre-processing and iterative learning of neural networks
Kristián Malák -
Smart Picture Enlargement Using Neural Networks
Michal Čaniga -
Synthesis of microscopy images using neural networks
Martin Kozlovský