Structural identification of protein-DNA interactions using machine learning
Strukturní identifikace protein-DNA interakcí pomocí strojového učení
bakalářská práce (OBHÁJENO)
Zobrazit/ otevřít
Trvalý odkaz
http://hdl.handle.net/20.500.11956/123079Identifikátory
SIS: 211215
Kolekce
- Kvalifikační práce [19109]
Autor
Vedoucí práce
Oponent práce
Feidakis, Christos
Fakulta / součást
Přírodovědecká fakulta
Obor
Bioinformatika
Katedra / ústav / klinika
Katedra buněčné biologie
Datum obhajoby
15. 9. 2020
Nakladatel
Univerzita Karlova, Přírodovědecká fakultaJazyk
Angličtina
Známka
Výborně
Klíčová slova (česky)
bioinformatika, strukturní bioinoformatika, strojové učeníKlíčová slova (anglicky)
bioinformatics, structural bioinformatics, machine learningInterakcie DNA a proteínov sú dôležitou súčasťou bunky a bunečného cyklu. Aby sme mohli predikovať ich interakcie mali by sme poznať štruktúru DNA a proteínov. Pre predikciu interakcií sme zvolili strojové učenie, ktoré má adekvátne výsledky v oblasti biologickej predikcie. V tejto práci používame a upravujeme P2Rank pre predikciu DNA väzobných miest na povrchu proteínu. P2rank bol pôvodne navrhnutý pre predikciu väzobných miest ligandov. Rovnako sme pripravili popis existujúcich metód pre predikciu DNA väzobných miest. Návrhy nových vlastností pre predikciu väzobných miest je súčasťou popisu P2Rank.
DNA-protein interactions are essential parts of cell life and cell cycle. Prediction of these interactions requires knowledge of DNA and a protein structure. Because machine learning approaches show adequate results in biological predictions, we chose to use it for the prediction of protein-DNA interactions. In this thesis, we use the machine learning tool P2Rank that was originally designed for prediction of ligand-binding sites and adapt it to predict DNA-binding sites. Apart of that, the thesis serves as a summary of existing prediction tools/methods and includes suggestions for further modifications of P2Rank.