prikaz prve stranice dokumenta Analiza proteinskih poravnanja
  Preuzmi
PDF 1004.04 KB
diplomski rad
Analiza proteinskih poravnanja
2023. urn:nbn:hr:217:726784
Belcar, Eva
Sveučilište u Zagrebu
Prirodoslovno-matematički fakultet
Matematički odsjek

Citirajte ovaj rad

Belcar, E. (2023). Analiza proteinskih poravnanja (Diplomski rad). Zagreb: Sveučilište u Zagrebu, Prirodoslovno-matematički fakultet. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:217:726784

Belcar, Eva. "Analiza proteinskih poravnanja." Diplomski rad, Sveučilište u Zagrebu, Prirodoslovno-matematički fakultet, 2023. https://urn.nsk.hr/urn:nbn:hr:217:726784

Belcar, Eva. "Analiza proteinskih poravnanja." Diplomski rad, Sveučilište u Zagrebu, Prirodoslovno-matematički fakultet, 2023. https://urn.nsk.hr/urn:nbn:hr:217:726784

Belcar, E. (2023). 'Analiza proteinskih poravnanja', Diplomski rad, Sveučilište u Zagrebu, Prirodoslovno-matematički fakultet, citirano: 06.05.2024., https://urn.nsk.hr/urn:nbn:hr:217:726784

Belcar E. Analiza proteinskih poravnanja [Diplomski rad]. Zagreb: Sveučilište u Zagrebu, Prirodoslovno-matematički fakultet; 2023 [pristupljeno 06.05.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:217:726784

E. Belcar, "Analiza proteinskih poravnanja", Diplomski rad, Sveučilište u Zagrebu, Prirodoslovno-matematički fakultet, Zagreb, 2023. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:217:726784

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:217:726784
Prijavite se u repozitorij kako biste mogli spremiti objekt u svoju listu.
Podaci o radu
NaslovAnaliza proteinskih poravnanja
Naslov (engleski)Analysis of protein alignments
AutorEva Belcar
MentorPavle Goldstein (mentor)
Član povjerenstvaPavle Goldstein (predsjednik povjerenstva)
Član povjerenstvaGoran Muić (član povjerenstva)
Član povjerenstvaTina Bosner (član povjerenstva)
Član povjerenstvaOzren Perše (član povjerenstva)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište u Zagrebu
Prirodoslovno-matematički fakultet
(Matematički odsjek)
Zagreb
Datum i država obrane2023-03-03, 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
Ključne riječi (engleski)
Jezikhrvatski
URN:NBNurn:nbn:hr:217:726784
Studijski programNaziv: Matematička statistika
Vrsta studija: sveučilišni
Stupanj studija: diplomski
Akademski / stručni naziv: magistar/magistra matematike (mag. math.)
Vrsta resursaTekst
Način izrade datotekeIzvorno digitalna
Prava pristupaOtvoreni pristup
Uvjeti korištenjaIkona licence Zaštićeno autorskim pravom.
Datum i vrijeme pohrane2023-03-23 11:55:14