Clustering proteinskih poravnanja

diplomski rad

• Autor: Milan Buljan
• Mentor: Pavle Goldstein (mentor)
• Član povjerenstva: Pavle Goldstein (predsjednik povjerenstva)
• Član povjerenstva: Hrvoje Planinić (član povjerenstva)
• Član povjerenstva: Miljenko Marušić (član povjerenstva)
• Član povjerenstva: Josip Tambača (član povjerenstva)
• Ustanova koja je dodijelila akademski / stručni stupanj: Sveučilište u Zagrebu; Prirodoslovno-matematički fakultet; (Matematički odsjek); Zagreb
• Datum i država obrane: 2024-11-28, Hrvatska
• Znanstveno / umjetničko područje, polje i grana: PRIRODNE ZNANOSTI; Matematika

Sažetak

U ovom diplomskom radu promatrane su četiri proteinske familije: kinaze, ciklaze, acil transferaze (AT) i MLDH. Problem koji se obrađuje u ovom radu vezan je za pronalazak značajnih pozicija u proteinskim poravnanjima unutar pojedine proteinske familije, a koje su odlučujuće u klasifikaciji tih proteina na dvije podfamilije. Pripadnost podfamilijima u ovom radu nam je bila poznata, cilj je bio dobiti rangiranje pozicija prema vrijednostima \(F\)-faktora, a njegovo računanje vršili smo na tri različita načina. Primjenom dvije od te tri metode niz dobijenih \(F\)-faktora bio je \(F\) distribuiran, dok u trećoj nismo dobijali \(F\) distribuiranost podataka, ali ipak su proizlazili slični zaključci. Kroz rad je opisano kako smo sa niza aminokiselina prešli u vektorski prostor i koji je pristup korišten u pripremi podataka za obradu. U konačnici, usporedbom s dosadašnjim istraživanjima utvrđene su brojne sličnosti, ali i neka nova zapažanja, kao i drugačija rangiranja. Također, istaknuli smo pozicije koje su značajne s vjerojatnostima od 99\%, 95\% i 90\%. Prikazom na t-SNE grafovima utvrđeno je kako smo promatranjem top \(10\) pozicija prema rangiranju dobijali jasne separacije sa svega nekoliko krivo pridruženih proteina.

Sažetak (engleski)

In this thesis, four protein families were studied: kinases, cyclases, acyl transferases (AT), and MLDH. The primary focus of this work is identifying significant positions in protein alignments within each protein family that are crucial for classifying these proteins into two subfamilies. The subfamily membership was known in advance, and the goal was to rank the positions based on F-factor values, calculated using three different methods. Using two of these methods, the resulting F-factors followed an F-distribution, while in the third method, the F-distribution was not observed; however, similar conclusions were still reached. The thesis describes the process of transforming amino acid sequences into a vector space and the approach used for preparing the data for analysis. Finally, a comparison with previous research revealed numerous similarities, as well as some new observations and different rankings. We also highlighted positions that are significant with probabilities of \(99\%\), \(95\%\), and \(90\%\). Visualization using t-SNE graphs showed that by focusing on the top \(10\) positions according to the rankings, clear separations were achieved, with only a few proteins misclassified.

• Ključne riječi: proteini; kinaze; ciklaze; acil transferaze; AT; MLDH; familije; značajne pozicije; poravnanja; rangiranje; F faktor; F distribucija; podfamilije; podjela
• Ključne riječi (engleski): kinases; cyclases; acyl transferases; AT; MLDH; significant positions; proteins
• Jezik: hrvatski
• URN:NBN: urn:nbn:hr:217:771064
• Studijski program: Naziv: Matematička statistika; Vrsta studija: sveučilišni; Stupanj studija: diplomski; Akademski / stručni naziv: sveučilišni magistar matematike (univ. mag. math.)
• Vrsta resursa: Tekst
• Način izrade datoteke: Izvorno digitalna
• Prava pristupa: Otvoreni pristup
• Datum i vrijeme pohrane: 2024-11-11 18:36:17