|
|
|
|
| LEADER |
02611na a2200229 4500 |
| 003 |
HR-ZaFER |
| 008 |
160221s2018 ci ||||| m||| 00| 0 en d |
| 035 |
|
|
|a (HR-ZaFER)ferid5394
|
| 040 |
|
|
|a HR-ZaFER
|b hrv
|c HR-ZaFER
|e ppiak
|
| 100 |
1 |
|
|a Jurić, Antonio
|
| 245 |
1 |
0 |
|a Poboljšanje sastavljenih genoma metodama dubokog učenja :
|b diplomski rad /
|c Antonio Jurić ; [mentor Mile Šikić].
|
| 246 |
1 |
|
|a Assembly Improvement Using Deep Learning Methods
|i Naslov na engleskom:
|
| 260 |
|
|
|a Zagreb,
|b A. Jurić,
|c 2018.
|
| 300 |
|
|
|a 42 str. ;
|c 30 cm +
|e CD-ROM
|
| 502 |
|
|
|b diplomski studij
|c Fakultet elektrotehnike i računarstva u Zagrebu
|g smjer: Računarska znanost, šifra smjera: 56, datum predaje: 2018-06-29, datum završetka: 2018-09-20
|
| 520 |
3 |
|
|a Sažetak na hrvatskom: Razvijanje alata koji sastavljaju genom s dovoljnom točnošću da bi bili upotrebljivi
u praksi još je otvoren problem. Uređaji treće generacije za sekvenciranje genoma
omogućuju sastavljanje genoma s manjom stopom fragmentiranosti te visokom točnošću.
Konačnu točnost sastavljenog genoma u ovom radu pokušavamo popraviti metodama
dubokog učenja. Trenirana konvolucijska duboka mreža na temelju naučenih frekvencija
pojedinih baza, umetanja i brisanja popravlja konačni genom ispravljajući pronađene pogreške. Mreže su pripremljene za Pacific Biosciences te Oxford Nanopore
podatke. Trenutni rezultati pokazuju da modeli na nekim konsenzusima neznatno
poprave, dok na drugima neznatno snize druge točnost. No, modele je moguće još
popraviti s nizom neisprobanih ideja opisanih na kraju rada.
|
| 520 |
3 |
|
|a Sažetak na engleskom: Development of tools for genome assembling with enough precision to be useful
in practice is still an open problem. Third generation sequencers allow genome assembly
with smaller fragmentation and high accuracy. In this work, we try to improve
the final accuracy of the assembled genome using deep learning techniques. Trained
convolutional deep network polishes errors in the assembled genome by learning the
correct bases, insertions and deletions patterns. Networks are prepared to be used with
Pacific Biosciences and Oxford Nanopore data. Current results show that sometimes
models slightly improve, sometimes slightly degrade consensus quality, but there is
still a room for progress since there are a lot of untested ideas which are described in
the end of the thesis.
|
| 653 |
|
1 |
|a bioinfromatika
|a konsenzus
|a sastavljanje genoma
|a duboko učenje
|
| 653 |
|
1 |
|a bioinformatics
|a consensus
|a genom assembly
|a deep learning
|
| 700 |
1 |
|
|a Šikić, Mile
|4 ths
|
| 942 |
|
|
|c Y
|
| 999 |
|
|
|c 49270
|d 49270
|