Predikce vlastností bílkovin prostorovým statistickým relačním strojovým učením

Poskytovatel

Grantová agentura České republiky

Program

Standardní projekty

Veřejná soutěž

Standardní projekty 15 (SGA02012GA-ST)

Hlavní účastníci

České vysoké učení technické v Praze / Fakulta elektrotechnická

Druh soutěže

VS - Veřejná soutěž

Číslo smlouvy

P202-12-2032

Název projektu anglicky

Predicting protein properties through spatial statistical relational machine learning

Anotace anglicky

Proteins are molecules vital for life. There is a vast number of different proteins but their functions are known only for some of them. Prediction of protein function is one of the most important goals of current computational biology. Function and other protein properties follow mainly from their 3D spatial structure (on atom or amino acid level). We propose to create algorithms able to learn predictive models for protein functions from such spatial data complemented with sequential, phylogeny, interaction and expression data as well as evolutionarily conserved motif information. To this end we will develop novel statistical-relational learning algorithms leveraging the spatial nature of 3D protein data by spatially-inspired search heuristics (such as dynamic resolution switching), spatial reasoning, location-dependent evaluation of logical formulas (patterns), and sampling-based approximative integration of the latter over subspaces in the R^3 protein conformation space enabling active-site detection. Preliminary experiments indicate the viability of the proposed directions.

Kategorie VaV

ZV - Základní výzkum

CEP - hlavní obor

JD - Využití počítačů, robotika a její aplikace

CEP - vedlejší obor

EB - Genetika a molekulární biologie

CEP - další vedlejší obor

—

OECD FORD - odpovídající obory <br>(dle <a href="http://www.vyzkum.cz/storage/att/E6EF7938F0E854BAE520AC119FB22E8D/Prevodnik_oboru_Frascati.pdf">převodníku</a>)

10603 - Genetics and heredity (medical genetics to be 3)<br>10604 - Reproductive biology (medical aspects to be 3)<br>10605 - Developmental biology<br>10608 - Biochemistry and molecular biology<br>10609 - Biochemical research methods<br>20204 - Robotics and automatic control<br>20205 - Automation and control systems<br>30101 - Human genetics

Hodnocení poskytovatelem

V - Vynikající výsledky projektu (s mezinárodním významem atd.)

Zhodnocení výsledků projektu

Cíle projektu byly splněny. Byly vytvořeny nové algoritmy a teoretické principy pro efektivní relační strojové učení z velkých popisů proteinů a byly využity pro predikci různých vlastností proteinů. Výsledky byly publikovány ve čtyřech článcích ve významných časopisech a na významné konferenci. Nebyly zjištěny nedostatky v dodržování grantových pravidel ani v čerpání finančních prostředků.

Zahájení řešení

1. 1. 2012

Ukončení řešení

24. 11. 2016

Poslední stav řešení

U - Ukončený projekt

Poslední uvolnění podpory

1. 4. 2016

Důvěrnost údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Systémové označení dodávky dat

CEP17-GA0-GA-U/03:1

Datum dodání záznamu

28. 6. 2017

Celkové uznané náklady

3 946 tis. Kč

Výše podpory ze státního rozpočtu

3 946 tis. Kč

Ostatní veřejné zdroje financování

0 tis. Kč

Neveřejné tuz. a zahr. zdroje finan.

0 tis. Kč