Přístupy k predikci interakce proteinů a DNA pomocí strojového učení
Identifikátory výsledku
Kód výsledku v 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>
Výsledek na webu
—
DOI - Digital Object Identifier
—
Alternativní jazyky
Jazyk výsledku
čeština
Název v původním jazyce
Přístupy k predikci interakce proteinů a DNA pomocí strojového učení
Popis výsledku v původním jazyce
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.
Název v anglickém jazyce
Prediction of DNA Binding Proteins Using Machine Learning
Popis výsledku anglicky
DNA-binding proteins have a vital role in the biological processing of genetic information like DNA transcription, replication, maintenance and the regulation of gene expression. Here, we describe our two recent methods for prediction of protein-DNA interaction. The first method is based on relational machine learning. The second method uses so-called "ball-histograms", which are able to capture properties of distributions of amino acids in protein structures. Both approaches outperformed existing methods based on physico-chemical properties of proteins in terms of accuracy.
Klasifikace
Druh
O - Ostatní výsledky
CEP obor
JC - Počítačový hardware a software
OECD FORD obor
—
Návaznosti výsledku
Projekt
<a href="/cs/project/GAP202%2F12%2F2032" target="_blank" >GAP202/12/2032: Predikce vlastností bílkovin prostorovým statistickým relačním strojovým učením</a><br>
Návaznosti
P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)
Ostatní
Rok uplatnění
2012
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů