Klasifikacija virusnih zaporedij s strojnim učenjem

diplomsko delo

Matej Kopar (Avtor), Tomaž Curk (Mentor)

Povzetek

V diplomskem delu smo uporabili različne metode strojnega učenja za uvrščanje virusnih zaporedij v ustrezne taksonomske skupine. Z dostopanjem do podatkovne zbirke NCBI, ki hrani biološke in biotehnološke podatke, smo najprej sestavili celotno taksonomsko strukturo znanih virusnih zaporedij. Podatke smo ustrezno filtrirali in tako zgradili množico učnih primerov. Nato smo uporabili klasične metode strojnega učenja in metodo strukturiranega napovedovanja in ovrednotili uspešnost napovedovanja v taksonomske skupine. V delu smo preučili, kateri načini opisovanja genomskih zaporedij so najprimernejši. Opis genomskih zaporedij s k-terkami ne zajame vseh podrobnosti genomov, zato so najboljši doseženi rezultati le nekoliko boljši od večinskega klasifikatorja. Predznanje o evolucijski povezanosti taksonomskih skupin nekoliko izboljša napovedi modelov, ki to znanje lahko uporabijo.

Ključne besede

strojno učenje;klasifikacija;metoda podpornih vektorjev;naključni gozdovi;virusna zaporedja;strukturirano strojno učenje;računalništvo;računalništvo in informatika;univerzitetni študij;diplomske naloge;

Podatki

Jezik:	Slovenski jezik
Leto izida:	2015
Tipologija:	2.11 - Diplomsko delo
Organizacija:	UL FRI - Fakulteta za računalništvo in informatiko
Založnik:	[M. Kopar]
UDK:	004.85(043.2)
COBISS:	1536600003
Št. ogledov:	821
Št. prenosov:	121
Ocena:	0 (0 glasov)
Metapodatki:

Ostali podatki

Sekundarni jezik:	Angleški jezik
Sekundarni naslov:	Classification of viral genomes using machine learning
Sekundarni povzetek:	In this diploma thesis our goal was to classify viral sequences into taxonomic groups by using different machine learning methods. We assembled the taxonomic structure by collecting data from NCBI web site. To clean the data we applied several filtering steps. We then evaluated the predictive performance of classical and structured machine learning methods on the task of classification in taxonomy groups. We wanted to determine the most suitable way to describe genomic sequences. Using k-mers to describe the genomic composition yielded poor predictive models, with best performance slightly above the performance of the majority classifier. Methods, which are able to use prior knowledge on the taxonomic relationships between classes, performed slightly better than methods, which did not use such information.
Sekundarne ključne besede:	machine learning;classification;support vector machine;random forest;viral sequences;structured machine learning;computer science;computer and information science;diploma;
Vrsta datoteke:	application/pdf
Vrsta dela (COBISS):	Diplomsko delo/naloga
Študijski program:	1000468
Konec prepovedi (OpenAIRE):	1970-01-01
Komentar na gradivo:	Univ. v Ljubljani, Fak. za računalništvo in informatiko
Strani:	43 str.
ID:	9043477