|
|
Možnosti výpočtu vzájemné informace z časové řady
Hubr, Ivo ; Smékal, Zdeněk (oponent) ; Mekyska, Jiří (vedoucí práce)
Vzájemná informace je jedním z faktorů, využívaných při analýze síťového provozu a sestavení fázového prostoru. Úvod práce se zaměřuje na teorii informace zhlediska výpočtu vzájemné informace. K výpočtu tohoto parametru je k dispozici již řada algoritmů, které jsou v závěrečné práci podrobně rozebrány. Dva z algoritmů (Fraser-Swinneyho a výpočet vzájemné informace pomocí adaptivního XY dělení) jsou aplikovány na vstupní data Rösslerova atraktoru, jak je znázorněno výstupními tabulkami a grafy. Třetí uvažovanou výpočetní metodou je Dinh-Tuan-Phamův algoritmus. Hlavním cílem této práce tedy je srovnání efektivity, rychlost výpočtu a přesnost zmíněných algoritmů.
|
|
|
Detection of Correlated Mutations
Ižák, Tomáš ; Bendl, Jaroslav (oponent) ; Martínek, Tomáš (vedoucí práce)
This work explores existing possibilities and methods of correlated mutations detection in proteins. At the beginning a theoretical background into explored area is provided. Exploitation of detected correlated mutations lies in a protein's tertiary structure prediction or searching functionally important sites. A state-of-the-art of existing tools and methods follows. In this work, methods based on statistics (for example Pearson correlation coefficient or Pearson's chi^2 test), Information theory (Mutual information - MI) and likelihood models (ELSC or Spidermonkey) are examined. The next part is devoted to the searching for an optimal algorithm for correlated mutations detection. To combine results from multiple different algorithms, is proposed as an optimal solution. It is also advised to exploit physico-chemical properties of amino acids during the detection. In practical part, the algorithm for detection of correlated mutations was developed. It is based on physico-chemical properties of amino acids and phylogenetic trees. Results gained using this method were compared with results gained from CAPS, CRASP and CMAT tools.
|
|
|
Aplikace statistické analýzy řeči pacientů s Parkinsonovou nemocí
Bijota, Jan ; Mžourek, Zdeněk (oponent) ; Galáž, Zoltán (vedoucí práce)
Tato diplomová práce se zabývá zpracováním řečového signálu osob postižených Parkinsonovou nemocí za účelem vytvoření statistického vzorku řečových parametrů, pomocí něhož bude možno rozdělit zkoumané osoby na parkinsoniky a neparkinsoniky. Tento statistický vzorek je tvořen na základě detekce hypokinetické dysartrie u osob postižených Parkinsonovou nemocí. V práci je rozebíráno předzpracování řečového signálu pomocí metody ustřednění a preemfáze a jeho rozdělení na části (segmentace). Následně je popsáno parametrické vyjádření zpracovávaného vzorku pomocí fonačních parametrů, MFCC a PLP koeficientů. Dále jsou rozebírány možnosti statistické analýzy pomocí zmíněného parametrického vyjádření. V přípádě této práce statistická analýza sestává z výpočtu Pearsonova a Spearmanova korelačního koeficientu, vzájemné informace a parametrického Studentova t-testu a neparametrického Mann-Whitneyova U testu. Výsledkem práce je soubor řečových parametrů pro jednotlivé dlouhé české samohlásky, které dokáží dle provedené statistické analýzy nejlépe vyjádřit rozdíl mezi zdravým řečníkem a parkinsonikem. Tyto výsledky mohou napomoci při diagnóze osoby, u níž je podezření na Parkisonovu nemoc.
|
|
|
Navržení genové regulační sítě na základě vzájemné informace u nemodelových organismů
Pirkl, Petr ; Sedlář, Karel (oponent) ; Musilová, Jana (vedoucí práce)
Práce se zabývá shrnutím základních laboratorních metod pro stanovování genové exprese, postupy předzpracování dat a nástroji používanými k odvozování genových regulačních sítí. Dále se práce zabývá samotným předzpracováním dat, tedy vytvořením matice počtů a její normalizace s využitím dat nemodelového organismu Clostridium beijerinckii NRRL B-598. Hlavní částí práce je poté navržení algoritmu pro tvorbu genové regulační sítě s využitím vzájemné informace a jeho implementace v jazyku R, včetně testování na datech nemodelového organismu i zlatého standardu.
|
|
|
Vyhledávání transkripčních motivů u nemodelových organismů
Helešicová, Klára ; Jurečková, Kateřina (oponent) ; Musilová, Jana (vedoucí práce)
Tato bakalářská práce se zabývá vyhledáváním transkripčních motivů u nemodelových organismů. V první části je vysvětlen proces transkripce, pojem vzájemná informace a algoritmus využívající vzájemnou informaci. V druhé části je popsáno rozdělení metod vyhledávající motivy a příklady algoritmů. Třetí část obsahuje přehled databází transkripčních motivů. Praktická část obsahuje popis vytvoření datasetu pro nemodelový organismus, popis navrženého algoritmu a jeho otestování na datasetu. Následně byly porovnány výsledky navrženého algoritmu s výsledky algoritmů FIRE a MEME.
|
|
|
Pokročilá registrace obrazových sekvencí z videooftalmoskopu
Dufková, Barbora ; Chmelík, Jiří (oponent) ; Kolář, Radim (vedoucí práce)
Tato diplomová práce se věnuje problematice registrace oftalmologických video sekvencí. Popisuje základní geometrické transformace, které lze k registraci využít. Jsou také uvedeny základní metody registrace obrazů, ze kterých je vybrána nejvhodnější varianta pro tuto aplikaci. Ta je poté implementována pomocí skriptu vytvořeného v prostředí MATLAB. Navržená metoda je dále objektivně vyhodnocena metodou jasového profilu, pomocí vzájemné informace a korelace a pomocí skeletonu sítnicových cév. V diskuzi je řešen vliv polynomiální transformace na registraci a možné optimalizace algoritmu.
|
|
|
Vyhledávání transkripčních motivů u nemodelových organismů
Helešicová, Klára ; Jurečková, Kateřina (oponent) ; Musilová, Jana (vedoucí práce)
Tato bakalářská práce se zabývá vyhledáváním transkripčních motivů u nemodelových organismů. V první části je vysvětlen proces transkripce, pojem vzájemná informace a algoritmus využívající vzájemnou informaci. V druhé části je popsáno rozdělení metod vyhledávající motivy a příklady algoritmů. Třetí část obsahuje přehled databází transkripčních motivů. Praktická část obsahuje popis vytvoření datasetu pro nemodelový organismus, popis navrženého algoritmu a jeho otestování na datasetu. Následně byly porovnány výsledky navrženého algoritmu s výsledky algoritmů FIRE a MEME.
|
|
|
Navržení genové regulační sítě na základě vzájemné informace u nemodelových organismů
Pirkl, Petr ; Sedlář, Karel (oponent) ; Musilová, Jana (vedoucí práce)
Práce se zabývá shrnutím základních laboratorních metod pro stanovování genové exprese, postupy předzpracování dat a nástroji používanými k odvozování genových regulačních sítí. Dále se práce zabývá samotným předzpracováním dat, tedy vytvořením matice počtů a její normalizace s využitím dat nemodelového organismu Clostridium beijerinckii NRRL B-598. Hlavní částí práce je poté navržení algoritmu pro tvorbu genové regulační sítě s využitím vzájemné informace a jeho implementace v jazyku R, včetně testování na datech nemodelového organismu i zlatého standardu.
|
|
|
Bioinformatic methods of detection of protein coevolution
Pařízková, Hana ; Schneider, Bohdan (vedoucí práce) ; Hampl, Vladimír (oponent)
Slovem koevoluce popisujeme stav, kdy dva či více druhů nebo biomolekul vzá- jemně ovlivňují svou evoluci. Na proteinové úrovni je koevoluce považována za jeden z hlavních mechanismů zajišťujících správné sbalení, interakce a funkci pro- teinů. Pozorována může být jak na úrovni interagujících proteinových rodin, tak na úrovni jednotlivých aminokyselinových residuí. Studium koevoluce může být užitečným nástrojem při predikci struktury proteinů, jejich funkce, interakčních partnerů, apod. V této práci jsou popsány algoritmy, které jsou používány k detekci koevoluce proteinů, stejně jako jejich možné aplikace a omezení. Klíčová slova: koevoluce, proteinová rodina, predikce struktury proteinů, in- terakční partneři, korelované mutace, mirrortree, vzájemná informace, analýza přímého párování
|
|
|
Aplikace statistické analýzy řeči pacientů s Parkinsonovou nemocí
Bijota, Jan ; Mžourek, Zdeněk (oponent) ; Galáž, Zoltán (vedoucí práce)
Tato diplomová práce se zabývá zpracováním řečového signálu osob postižených Parkinsonovou nemocí za účelem vytvoření statistického vzorku řečových parametrů, pomocí něhož bude možno rozdělit zkoumané osoby na parkinsoniky a neparkinsoniky. Tento statistický vzorek je tvořen na základě detekce hypokinetické dysartrie u osob postižených Parkinsonovou nemocí. V práci je rozebíráno předzpracování řečového signálu pomocí metody ustřednění a preemfáze a jeho rozdělení na části (segmentace). Následně je popsáno parametrické vyjádření zpracovávaného vzorku pomocí fonačních parametrů, MFCC a PLP koeficientů. Dále jsou rozebírány možnosti statistické analýzy pomocí zmíněného parametrického vyjádření. V přípádě této práce statistická analýza sestává z výpočtu Pearsonova a Spearmanova korelačního koeficientu, vzájemné informace a parametrického Studentova t-testu a neparametrického Mann-Whitneyova U testu. Výsledkem práce je soubor řečových parametrů pro jednotlivé dlouhé české samohlásky, které dokáží dle provedené statistické analýzy nejlépe vyjádřit rozdíl mezi zdravým řečníkem a parkinsonikem. Tyto výsledky mohou napomoci při diagnóze osoby, u níž je podezření na Parkisonovu nemoc.
|
host ::
RSS.