| | SLO | ENG | Piškotki in zasebnost

Večja pisava | Manjša pisava

Iskanje po katalogu digitalne knjižnice Pomoč

Iskalni niz: išči po
išči po
išči po
išči po
* po starem in bolonjskem študiju

Opcije:
  Ponastavi


1 - 7 / 7
Na začetekNa prejšnjo stran1Na naslednjo stranNa konec
1.
2.
KLASIFIKACIJA TOPNOSTI PROTEINOV V PROSTORU BIOMEDICINSKIH KONCEPTOV TEKSTOVNE ANALIZE
Simon Kocbek, 2011, doktorska disertacija

Opis: Proteini so pomemben del vsakega organizma in imajo številne pomembne funkcije, katere so v veliki meri odvisne od strukture proteina. Zadnja je mnogokrat predmet raziskav, kjer strokovnjaki izolirajo posamezen protein in proučijo njegove strukturne lastnosti. Na proces izolacije proteina v veliki meri vpliva njegova topnost, saj je protein z nizko stopnjo topnosti zelo težko izolirati. Prav tako so netopni proteini razlog za nekatere pomembne bolezni. Zaradi teh razlogov želijo strokovnjaki velikokrat vnaprej vedeti, kateri proteini imajo več možnosti za visoko stopnjo topnosti. Posledično so se razvile številne metode, ki uporabljajo tehnike nadzorovanega strojnega učenja za klasifikacijo topnosti proteinov. Te metode klasificirajo proteine v topne in ne-topne ter se uporabljajo za napovedovanje topnosti za nove primerke. V disertaciji predlagamo novo metodo za klasifikacijo topnosti proteinov, ki s pomočjo tehnik tekstovnega rudarjenja izlušči medicinsko znanje iz strokovne literature in ga predstavi v obliki atributov. Te atribute poimenujemo atributi biomedicinskih konceptov in predstavljajo novost na področju klasifikacije topnosti proteinov. Do sedaj uporabljene metode so namreč omejene z uporabo atributov, ki so večinoma izpeljani le iz sekvence proteina. V okviru disertacije tako podamo številne znanstvene prispevke. Predlagana je metoda za ekstrakcijo atributov biomedicinskih konceptov iz strokovne literature na podlagi imena oziroma identifikacijske številke proteina. Nadalje ponudimo originalno primerjavo metod, ki uporabljajo nove atribute, z metodami, ki ponujajo že uveljavljene atribute izpeljane iz sekvence proteina. Kot se pokaže v disertaciji, novi atributi doprinesejo k uspešnosti klasifikacije topnosti proteinov. Podan je tudi algoritem za implementacijo najuspešega klasifikatorja z atributi biomedicinskih konceptov. Zadnji prispevek vključuje novo medicinsko znanje, ki ponudi indice o tem, katere skupine besed in besednih zvez iz strokovne literature so najbolj povezane s topnostjo proteinov. Disertacija je sestavljena iz skupno osem poglavij, katera podrobno predstavijo teoretično ozadje področij, kot so nadzorovano strojno učenje, tekstovno rudarjenje ter struktura in topnost proteinov. Obsežen del disertacije je namenjen opisu proteinskih podatkovnih baz, ki ponujajo informacije o topnosti proteinov ter opisu razvite metode in njene primerjave z do sedaj uporabljanimi metodami. Izvedena je empirična primerjava dvajsetih baz sekvenčnih atributov, ki jim postopoma dodajamo nove atribute in spremljamo doprinose k uspešnosti treh pogosto uporabljanih klasifikacijskih metod.
Ključne besede: strojno učenje, klasifikacija topnosti proteinov, biomedicinski koncept, izbira atributov, tekstovno rudarjenje
Objavljeno: 10.11.2011; Ogledov: 1679; Prenosov: 119
.pdf Celotno besedilo (3,74 MB)

3.
AGRA: analysis of gene ranking algorithms
Simon Kocbek, Rune Saetre, Gregor Štiglic, Jin-Dong Kim, Igor Pernek, Yoshimasa Tsuruoka, Peter Kokol, Sophia Ananiadou, Jun-ichi Tsujii, 2011, kratki znanstveni prispevek

Opis: Often, the most informative genes have to be selected from different gene setsand several computer gene ranking algorithms have been developed to cope with the problem. To help researchers decide which algorithm to use, we developed the Analysis of Gene Ranking Algorithms (AGRA) system that offers a novel technique for comparing ranked lists of genes. The most important feature of AGRA is that no previous knowledge of gene ranking algorithms is needed for their comparison. Using the text mining system FACTA (Tsuruoka et al., 2008), AGRA defines what we call Biomedical Concept Space (BCS) for each gene list and offers comparison of the gene lists in six different BCS categories. The uploaded gene lists can be compared using two different methods. In the first method, the overlap between each pair of two gene lists of BCSs is calculated. The second method offers a text field where specific biomedical concept can be entered. AGRA searches for this concept in each genelistsć BCS, highlights the rank of the concept and offers a visual representation of concepts ranked above and below it.
Ključne besede: genetic algorithms, genetski algoritmi
Objavljeno: 05.06.2012; Ogledov: 1113; Prenosov: 27
URL Povezava na celotno besedilo

4.
5.
Comprehensive decision tree models in bioinformatics
Gregor Štiglic, Simon Kocbek, Igor Pernek, Peter Kokol, 2012, izvirni znanstveni članek

Opis: Purpose Classification is an important and widely used machine learning technique in bioinformatics. Researchers and other end-users of machine learning software often prefer to work with comprehensible models where knowledge extraction and explanation of reasoning behind the classification model are possible. Methods This paper presents an extension to an existing machine learning environment and a study on visual tuning of decision tree classifiers. The motivation for this research comes from the need to build effective and easily interpretable decision tree models by so called one-button data mining approach where no parameter tuning is needed. To avoid bias in classification, no classification performance measure is used during the tuning of the model that is constrained exclusively by the dimensions of the produced decision tree. Results The proposed visual tuning of decision trees was evaluated on 40 datasets containing classical machine learning problems and 31 datasets from the field of bioinformatics. Although we did notexpected significant differences in classification performance, the resultsdemonstrate a significant increase of accuracy in less complex visuallytuned decision trees. In contrast to classical machine learning benchmarking datasets, we observe higher accuracy gains in bioinformatics datasets. Additionally, a user study was carried out to confirm the assumptionthat the tree tuning times are significantly lower for the proposed method in comparison to manual tuning of the decision tree. Conclusions The empirical results demonstrate that by building simple models constrained by predefined visual boundaries, one not only achieves good comprehensibility, but also very good classification performance that does not differ from usually more complex models built using default settings of the classical decision tree algorithm. In addition, our study demonstrates the suitability of visually tuned decision trees for datasets with binary class attributes anda high number of possibly redundant attributes that are very common in bioinformatics.
Ključne besede: decision tree models, machine learning technique, visual tuning, bioinformatics
Objavljeno: 05.06.2012; Ogledov: 907; Prenosov: 98
.pdf Celotno besedilo (524,39 KB)
Gradivo ima več datotek! Več...

6.
Vpliv varnostnih mehanizmov na povezljivost spletnih storitev
Simon Kocbek, Matjaž B. Jurič, 2007, izvirni znanstveni članek

Opis: Pri integraciji informacijskih sistemov z uporabo spletnih storitev je treba ustrezno nasloviti področje varnosti. Prispevek proučuje povezljivost spletnih storitev v okviru standarda WSS (Web Services Security). Gre za specifikacije, ki so namenjene varovanju spletnih storitev. V prispevku smo analizirali podporo za razvoj varnih spletnih storitev na platfonni Java in ogrodju .NET, proučili njihovo povezljivost ter implementirali varno storitev, izdelano v okolju Microsoft .NET in njenega odjemalca v okolju Java. Identificirali in analizirali smo probleme, ki so nastali pri njunem povezovanju.
Ključne besede: spletne storitve, integracija, Java, .NET
Objavljeno: 10.07.2015; Ogledov: 295; Prenosov: 10
URL Povezava na celotno besedilo

7.
Vpliv mikrovalov na zvijanje e2 -peptida: računalniški pristop
Simon Kocbek, 2018, diplomsko delo

Opis: Tehnologija je iz dneva v dan bolj integrirana v naše življenje. Hiter razvoj nam je prinesel veliko naprav, ki nam olajšujejo vsakodnevno življene. Veliko število teh komunikacijskih, navigacijskih in skpektroskopskuh naprav pri delovanju izseva mikrovalove. Zaradi visoke izpostavljenosti mikrovalovom je pomembno, da preučimo morebitne negativne vplive te tehnologije. V ta namen smo se odločili, da raziščemo vpliv mikrovalov na gardnike neših teles - peptide. Ubrali smo računalniški pristop in s pomočjo molekulske dinamike preučevali vpliv mikrovalov na zvijanje betapeptida. Z uporabo razklopljnenih termostatov smo ločeno nastavljali rotacijsko, translacijsko in vibracijsko temperaturo sistema betapeptida v raztopini. Primerjali smo zvijanje peptida pod pogoji klasičnega in mikrovalovnega segrevanja in prišli do zaključka, da rotacijsko gibanje polarnega metanola prekine vodikove vezi med topilom in peptidom, kar vodi do tvorbe novih vodikovih vezi med atomi vijačnice. Posledica tega je kompaktnjše zvitje betapeptida. Prav taki strnjeni agregati lahko vodijo do nastanka amiloidnih nitk, ki so povezane z nevrodegenerativnimi boloznimi, kot je Alzheimerjeva bolezen.
Ključne besede: Mikrovalovi, simulacije molekulske dinamike, betapeptid, zvijanje
Objavljeno: 05.10.2018; Ogledov: 212; Prenosov: 20
.pdf Celotno besedilo (6,69 MB)

Iskanje izvedeno v 0.21 sek.
Na vrh
Logotipi partnerjev Univerza v Mariboru Univerza v Ljubljani Univerza na Primorskem Univerza v Novi Gorici