|
|
|
|
| LEADER |
02456na a2200229 4500 |
| 003 |
HR-ZaFER |
| 008 |
160221s2019 ci ||||| m||| 00| 0 en d |
| 035 |
|
|
|a (HR-ZaFER)ferid6782
|
| 040 |
|
|
|a HR-ZaFER
|b hrv
|c HR-ZaFER
|e ppiak
|
| 100 |
1 |
|
|a Stanojević, Dominik
|9 40877
|
| 245 |
1 |
0 |
|a Detekcija varijacija u jednom nukleotidu uporabom metoda dubokog učenja :
|b diplomski rad /
|c Dominik Stanojević ; [mentor Bojana Dalbelo-Bašić].
|
| 246 |
1 |
|
|a Detection of Single Nucleotide Variations Using Deep Learning
|i Naslov na engleskom:
|
| 260 |
|
|
|a Zagreb,
|b D. Stanojević,
|c 2019.
|
| 300 |
|
|
|a 35 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: 2019-06-28, datum završetka: 2019-07-10
|
| 520 |
3 |
|
|a Sažetak na hrvatskom: Detekcija varijacija je veoma važan problem u bioinformatics zbog mnogo razloga. Osim njegove važnosti, problem detekcije varijacija je zanimljiv zbog teške izgradnje efikasnog i preciznog modela. U ovom radu dan je teoretski uvod u problem detekcije varijacija, s posebnim naglaskom na jednonukleotidne varijacije u diploidnim organizmima. U radu su opisani korišteni podaci kao i postupak izgradnje skupa za učenje i testiranje. Također, u radu je opisan prilagođen model ResNet specifično izgrađen za postupak detekcije varijacija. Dani model ostvaruje rezultate usporedive s drugim modelima koristeći manji skup podataka od drugih modela, primjerice modela Clairvoyante.
|
| 520 |
3 |
|
|a Sažetak na engleskom: Variant calling, the task of finding variants is extremely important in bioinformatics for various reasons. Expect being important, it is difficult to build efficient and accurate variant caller. This thesis gives theoretical introduction to the variant calling problem, focusing on single nucleotide variants in diploid organisms. The data and dataset generation are described and its application to the custom ResNet model built for variant calling. The model achieves comparable results using only a fraction of data compared to Clairvoyante for predicting single nucleotide variants.
|
| 653 |
|
1 |
|a Nukleotidna varijacija
|a Jednonukleotidna varijacija
|a Duboko učenje
|a Bioinformatika
|a Strojno učenje
|
| 653 |
|
1 |
|a Nucleotide Variations
|a Single Nucleotide Variation
|a SNV
|a Deep Learning
|a Bioinformatics
|a Machine Learning
|
| 700 |
1 |
|
|a Dalbelo-Bašić, Bojana
|4 ths
|9 9546
|
| 942 |
|
|
|c Y
|
| 999 |
|
|
|c 51586
|d 51586
|