Segmentace proteinových sekvencí s použitím metod počítačové lingvistiky

Bc. Radek Meloun

Diplomová práce

Protein sequence segmentation by a computational linguistics approach.

Anotace:

Cílem práce bylo navrhnout a implementovat metodu segmentace, která by nebyla založená na apriorních znalostech o charakteru sekvencí a vycházela by z poznatků počítačové lingvistiky. Při řešení bylo využito analogie proteinových sekvencí s přirozeným jazykem. Na základě studia dostupných článků s tematikou segmentace jazykových i biologických sekvencí byl navržen nový algoritmus schopný hledat hranice segmentů jak v anglickém textu, tak v proteinových sekvencích. Hotová implementace byla otestována na sadách dat z obou oblastí. Výsledky těchto experimentů jsou taktéž součástí práce.

Abstract:

This thesis deals with the problem of segmentation of protein sequences. With the use of methods from the computational linquistics, the new algorithm was developed. It is capable of segmenting both natural language sequences and protein sequences.

Klíčová slova

segmentace sekvencí, proteinové sekvence, přirozený jazyk, vzájemná informace, t-score, difference of t-score, analogie jazyka a proteinů

Jazyk práce: čeština

Datum vytvoření / odevzdání či podání práce: 25. 5. 2009

Obhajoba závěrečné práce

• Obhajoba proběhla 29. 6. 2009
• Vedoucí: Ing. Matej Lexa, Ph.D.
• Oponent: Mgr. Vojtěch Bystrý, Ph.D.

Masarykova univerzita

Fakulta informatiky

Magisterský studijní program / obor:
Aplikovaná informatika / Bioinformatika