Prediction of DNA Binding Proteins Using Machine Learning
The result's identifiers
Result code in IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21230%2F12%3A00194593" target="_blank" >RIV/68407700:21230/12:00194593 - isvavai.cz</a>
Result on the web
—
DOI - Digital Object Identifier
—
Alternative languages
Result language
čeština
Original language name
Přístupy k predikci interakce proteinů a DNA pomocí strojového učení
Original language description
Proces interakce proteinů a DNA hraje v živých buňkách nezastupitelnou roli při zpracování genetické informace, kopírování a opravě DNA. V tomto příspěvku popisujeme dva nové přístupy k predikci interakce proteinů a DNA. První představovaný přístup je založen na technikách relačního strojového učení. Druhý přístup využívá tzv. kuličkové histogramy (ball histograms), které jsou schopny zachytit vlastnosti distribucí aminokyselin různých typů v proteinových strukturách. Oba dva přístupy překonávají svojípřesností existující metody využívající fyzikální a chemické vlastnosti proteinů a přibližují se k přesnosti dosahované metodami založenými na využití evoluční informace. Metody, které nevyužívají evoluční informaci, mezi něž patří naše dvě nové metody,jsou významné pro predikování vlastností uměle vytvořených proteinů a proteinů, pro něž nejsou známy dostatečně blízke homology.
Czech name
Přístupy k predikci interakce proteinů a DNA pomocí strojového učení
Czech description
Proces interakce proteinů a DNA hraje v živých buňkách nezastupitelnou roli při zpracování genetické informace, kopírování a opravě DNA. V tomto příspěvku popisujeme dva nové přístupy k predikci interakce proteinů a DNA. První představovaný přístup je založen na technikách relačního strojového učení. Druhý přístup využívá tzv. kuličkové histogramy (ball histograms), které jsou schopny zachytit vlastnosti distribucí aminokyselin různých typů v proteinových strukturách. Oba dva přístupy překonávají svojípřesností existující metody využívající fyzikální a chemické vlastnosti proteinů a přibližují se k přesnosti dosahované metodami založenými na využití evoluční informace. Metody, které nevyužívají evoluční informaci, mezi něž patří naše dvě nové metody,jsou významné pro predikování vlastností uměle vytvořených proteinů a proteinů, pro něž nejsou známy dostatečně blízke homology.
Classification
Type
O - Miscellaneous
CEP classification
JC - Computer hardware and software
OECD FORD branch
—
Result continuities
Project
<a href="/en/project/GAP202%2F12%2F2032" target="_blank" >GAP202/12/2032: Predicting protein properties through spatial statistical relational machine learning</a><br>
Continuities
P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)
Others
Publication year
2012
Confidentiality
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů