Поиск :
Личный кабинет :
Электронный каталог: Быкова, У. И. - Распознавание 3'-концевых шпилек sine и line транспозонов danio rerio методами машинного обучения...
Быкова, У. И. - Распознавание 3'-концевых шпилек sine и line транспозонов danio rerio методами машинного обучения...
Нет экз.
Электронный ресурс
Автор: Быкова, У. И.
Распознавание 3'-концевых шпилек sine и line транспозонов danio rerio методами машинного обучения... : студенческая научная работа
Recognition of danio rerio'S 3'-end stem-loops of sine and line transposons with machine learning methods
Издательство: [Б. и.], 2019 г.
ISBN отсутствует
Автор: Быкова, У. И.
Распознавание 3'-концевых шпилек sine и line транспозонов danio rerio методами машинного обучения... : студенческая научная работа
Recognition of danio rerio'S 3'-end stem-loops of sine and line transposons with machine learning methods
Издательство: [Б. и.], 2019 г.
ISBN отсутствует
На полку
Электронный ресурс
Быкова, У. И.
Распознавание 3'-концевых шпилек sine и line транспозонов danio rerio методами машинного обучения: выпускная квалификационная работа = Recognition of danio rerio'S 3'-end stem-loops of sine and line transposons with machine learning methods : студенческая научная работа / Национальный исследовательский университет «Высшая школа экономики» ; Факультет компьютерных наук. – Москва : [Б. и.], 2019. – 43 с. : ил., табл., схем. – URL: https://biblioclub.ru/index.php?page=book&id=561782. – Режим доступа: электронная библиотечная система «Университетская библиотека ONLINE», требуется авторизация . – Библиогр.: с.34-35. – На рус. яз.
Известно, что 3’-концевые структуры стебель-петля пары LINE-SINE транспозонов человека L1-Alu хорошо распознаются моделями машинного обучения. Представляет интерес проверить, является ли это закономерностью и для других геномов. В качестве исследуемого генома был выбран геном рыбы Danio Rerio, так как для него были проведены эксперименты по изучению механизма ретротранспозиции и, в частности, исследованы структуры стебель-петля на конце LINE-ретротранспозонов. В рассмотрение были включены разные классы SINE, произошедшие от tRNA, tRNA-V, L2 и 5S-Deu-L2 и 58 видов LINE, в том числе L1. Было построено три класса моделей машинного обучения на основе разного набора признаков. Оказалось, что и концевые шпильки, и концевые последовательности транспозонов разных классов распознаются с хорошей точностью (ROC AUC>77%). Качество распознавания, тем не менее, оказалось не таким высоким, как распознавание L1-Alu пар человека, но это объясняется большим эволюционным расстоянием между разными классами транспозонов. Для всех моделей проведён сравнительный анализ и определены общие и уникальные признаки для каждого генома. В дополнение была исследована мРНК Danio Rerio на наличие шпилек на 3’-конце, свойства шпилек были исследованы c помощью моделей машинного обучения. Способность моделей машинного обучения распознавать структуру стебель-петля на 3’-конце ретротранспозонов классов LINE и SINE, а также мРНК, свидетельствует в пользу значимости свойств этой структуры для процесса ретротранспозиции.
Быкова, У. И.
Распознавание 3'-концевых шпилек sine и line транспозонов danio rerio методами машинного обучения: выпускная квалификационная работа = Recognition of danio rerio'S 3'-end stem-loops of sine and line transposons with machine learning methods : студенческая научная работа / Национальный исследовательский университет «Высшая школа экономики» ; Факультет компьютерных наук. – Москва : [Б. и.], 2019. – 43 с. : ил., табл., схем. – URL: https://biblioclub.ru/index.php?page=book&id=561782. – Режим доступа: электронная библиотечная система «Университетская библиотека ONLINE», требуется авторизация . – Библиогр.: с.34-35. – На рус. яз.
Известно, что 3’-концевые структуры стебель-петля пары LINE-SINE транспозонов человека L1-Alu хорошо распознаются моделями машинного обучения. Представляет интерес проверить, является ли это закономерностью и для других геномов. В качестве исследуемого генома был выбран геном рыбы Danio Rerio, так как для него были проведены эксперименты по изучению механизма ретротранспозиции и, в частности, исследованы структуры стебель-петля на конце LINE-ретротранспозонов. В рассмотрение были включены разные классы SINE, произошедшие от tRNA, tRNA-V, L2 и 5S-Deu-L2 и 58 видов LINE, в том числе L1. Было построено три класса моделей машинного обучения на основе разного набора признаков. Оказалось, что и концевые шпильки, и концевые последовательности транспозонов разных классов распознаются с хорошей точностью (ROC AUC>77%). Качество распознавания, тем не менее, оказалось не таким высоким, как распознавание L1-Alu пар человека, но это объясняется большим эволюционным расстоянием между разными классами транспозонов. Для всех моделей проведён сравнительный анализ и определены общие и уникальные признаки для каждого генома. В дополнение была исследована мРНК Danio Rerio на наличие шпилек на 3’-конце, свойства шпилек были исследованы c помощью моделей машинного обучения. Способность моделей машинного обучения распознавать структуру стебель-петля на 3’-конце ретротранспозонов классов LINE и SINE, а также мРНК, свидетельствует в пользу значимости свойств этой структуры для процесса ретротранспозиции.