Year: 2020
Type: dissertation
Abstract: Pokroky v sekvenovaní umožňujú vedcom zbierať veľké množstvá DNA sekvenovaných dát a spolu s výpočtovými zdrojmi poskytovanými výpočtovými klastermi umožnňujú využívať výpočtové prístupy napomáhajúce v mnohých biologických procesoch ako vývoj vakcín alebo návrh protilátok, ktoré momentálne využívajú pracné a drahé in-vitro techniky. Spracovanie prirodzeného jazyka (NLP) je odbor zaoberajúci sa slovami a sekvenciami slov. Analógia medzi vetami, teda sekvenciami slov a biologickými sekvenciami, teda sekvenciami aminokyselín viedla k mnohým experimentom, ktoré aplikujú modely na spracovanie prirodzeného jazyka na modelovanie biologických sekvencií. V tejto práci som natrénoval NLP modely hlbokého učenia, predtrénované na ľudských protilátkach z the Observed Antibody Space database, s cieľom klasifikácie špecificity protilátok voči Hepatitíde typu B. Finálny model je schopný predikovať špecificitu protilátok voči Hepatitíde typu B s nasledovným F1 skóre a ROC AUC proporcioniálnym k veľkosti klonotypov: 0.116, 0.829 pre validačné dáta a 0.333, 0.509 pre testovacie dáta (z inej vakcinačnej štúdie), v danom poradí. Tento model bol prekonaný jednoduchším modelom používajúcim molekulárne odtlačky s nasledovnými výsledkami: 0.155, 0.715 a 0.474, 0.645, v odpovedajúcom poradí. V práci je navrhnutá postupnosť operácií, ktorá môže byť ďalej vylepšená pomocou iných metód alebo jej rozšírením o ďalšie predspracovanie dát alebo iné reprezentácie protilátok. Napriek tomu, že výkon in-silico metód je horší oproti in-vitro metódam, poskytujú lacnejšiu, rýchlejšiu a škálovateľnejšiu alternatívu alebo dodatočnú techniku, ktorá môže byť v budúcnosti ďalej vylepšovaná.
Author: Ján Jendrušák
Language: Czech
Subfield: Molecular Biology
Domain: Life Sciences
Open Access status: green
OpenAlex ID: W3154571453