Analiza proteinskih poravnanja

diplomski rad

• Naslov (engleski): Analysis of protein alignments
• Autor: Eva Belcar
• Mentor: Pavle Goldstein (mentor)
• Član povjerenstva: Pavle Goldstein (predsjednik povjerenstva)
• Član povjerenstva: Goran Muić (član povjerenstva)
• Član povjerenstva: Tina Bosner (član povjerenstva)
• Član povjerenstva: Ozren Perše (član povjerenstva)
• Ustanova koja je dodijelila akademski / stručni stupanj: Sveučilište u Zagrebu; Prirodoslovno-matematički fakultet; (Matematički odsjek); Zagreb
• Datum i država obrane: 2023-03-03, Hrvatska
• Znanstveno / umjetničko područje, polje i grana: PRIRODNE ZNANOSTI; Matematika

Sažetak

Tematika ovog rada je klasifikacija proteina u proteinsku familiju katepsina na temelju karakterističnih podnizova aminokiselina (motiva) i međusobnog uspoređivnja. Cilj je izbaciti što više lažno pozitivnih i pri tome zadržati stvarno pozitivne motive iz outputa pretraživača motiva. Problematika rada svodi se na prelazak u višedimenzionalni vektorski prostor prevođenjem aminokiselina u numeričke vektore koji predstavljaju određena obilježja tih aminokiselina. Pronalazi se kugla koja sadrži najviše motiva, uključujući i motiv katepsina. Prvo se računa benchmark za uspješnost modela, zatim se razvija model procjenjivanjem radijusa kugle i prolaskom po svim točkama za određivanje njezinog središta. Središte se pomiče u težište točaka u kugli i taj postupak se ponavlja do kada se središte ne stabilizira. Na kraju se model validira i uspoređuje s benchmarkom. U pet proteoma napravljena je klasifikacija katepsina. Rezultati pokazuju da model uspješno i brzo izbacuje lažne pozitivce, a da pritom zadrži većinu pravih pozitivaca neovisno o veličini početnog uzorka.

Sažetak (engleski)

The subject of this thesis is classification of proteins into the Cathepsin protein family based on characteristic sequences of amino acids (motifs) and pairwise comparison. The goal is to reduce the number of false positives and keep true positive motifs from the output of a motif scanner. The problem comes down to transitioning into multidimensional vector space by interpreting amino acids as numeric vectors which represent certain characteristics of those amino acids. A ball containing most motifs is found, including the Cathepsin motif. Firstly, a benchmark for the performance of the model is calculated, then the model is being developed by estimating the expected radius and by optimizing the center of the ball. At the end, the model is being validated and the performance is compared to the benchmark. The classification of Cathepsins is made in five proteoms. The results show that the fast model successfully decreases the number of false positive motifs but manages to keep true positives regardless of the size of the initial sample.

• Ključne riječi: klasifikacija proteina; proteinska familija katepsina; višedimenzionalni vektorski prostor; numerički vektori; benchmark za uspješnost modela
• Ključne riječi (engleski): classification of proteins; Cathepsin protein family; multidimensional vector space; numeric vectors; benchmark for the performance of the model
• Jezik: hrvatski
• URN:NBN: urn:nbn:hr:217:726784
• Studijski program: Naziv: Matematička statistika; Vrsta studija: sveučilišni; Stupanj studija: diplomski; Akademski / stručni naziv: magistar/magistra matematike (mag. math.)
• Vrsta resursa: Tekst
• Način izrade datoteke: Izvorno digitalna
• Prava pristupa: Otvoreni pristup
• Datum i vrijeme pohrane: 2023-03-23 11:55:14