Shlukování proteinových segmentů na základě jejich distribuce v různých sekvenčních kontextech

Mgr. Kseniia Sorokina

Master's thesis

Distributional clustering of protein sequence segments

Abstract:

Hlavním cílem této práce je aplikovat metody výuky bez učitele z výpočetní lingvistiky na biologické údaje. Cílem je najít klastry v proteinových sekvencích, které se nespoléhají na chemické vlastnosti aminokyselin, ale spíše na jejich kvazislingvistické vztahy. Výsledky této práce mohou zlepšit naši schopnost porovnat proteiny efektivněji a biologicky smysluplným způsobem a tím zlepšit budoucí bioinformatické prace a vysledky.

Abstract:

The main idea of this work is to apply unsupervised learning methods from computational linguistics to biological data. The purpose is to find clusters in protein sequences, which do not rely on chemical properties of amino acids, but rather on their quasi-linguistic relationships. The results of this work may help improve our ability to align proteins in a more efficient and biologically meaningful way and thus improve future bioinformatic work-flows.

Keywords

unsupervised learning, Perl, WSD, clustering, segmentation of protein, computational linguistic

Language used: English

Date on which the thesis was submitted / produced: 22. 5. 2017

Thesis defence

• Date of defence: 23. 6. 2017
• Supervisor: Ing. Matej Lexa, Ph.D.
• Reader: RNDr. Martin Demko

Masaryk University

Faculty of Informatics

Master programme / field:
Applied Informatics / Bioinformatics