Průzkum nesrovnalostí v datových souborech pro predikci vazebných míst RNA vázajících proteinů pomocí hlubokého učení.

Bc. Marko Vrábel

Master's thesis

Exploration of encoded sequence bias in benchmark datasets for RNA binding protein binding site prediction using deep learning.

Abstract:

Pochopení mechanismů mnoha buněčných procesů vyžaduje identifikaci vazeb-ných míst RNA-vázajících proteinů (RVP), neboť hrají zásadní roli v genové regulaci. Bylo vyvinuto mnoho výpočetních technik, včetně modelů hlubokého učení, které se ukázaly jako vysoce účinné při identifikaci vazebných míst RVP. Všechny navržené metody však byly trénovány a vyhodnoceny na stejných referenčních souborech dat – RBP24 a RBP31. V této práci zkoumáme tyto datové sady z hlediska možného zkreslení. Vytváříme model hlubokého učení pro predikci vazebného místa RVP a prostřednictvím řady experimentů spojujeme zjištěné zkreslení s výko-nem modelu.

Abstract:

Understanding the mechanisms behind many cell processes requires an identification of the binding sites of RNA-binding proteins (RBPs), as they play crucial roles in gene regulation. Many computational techniques have been developed, including deep learning models, which have shown to be highly effective in identifying RBP binding sites. However, all the proposed methods have been trained and evaluated on the same benchmark datasets - RBP24 and RBP31. In this thesis, we examine the benchmark datasets for possible biases. We build a deep learning model for RBP binding site prediction, and through a series of experiments, we link the found biases to the model's performance.

Keywords

RNA vázající protein, Clip-seq, predikce vazebního mista, strojové učení, hluboké učení, negativní třída, nesrovnalost, RNA binding protein, binding site prediction, machine learning, deep learning, negative class, bias

Language used: English

Date on which the thesis was submitted / produced: 19. 5. 2022

Thesis defence

• Date of defence: 16. 6. 2022
• Supervisor: PhD Panagiotis Alexiou
• Reader: Ph. D Nicolas Blavet

Masaryk University

Faculty of Science

Master programme / field:
Biochemistry / Bioinformatics