|
|
Prediction of ligand binding sites from protein structure
Krivák, Radoslav ; Hoksza, David (vedoucí práce) ; Berka, Karel (oponent) ; Brezovský, Jan (oponent)
Predikce vazebních míst pro ligandy z proteinové struktury je základním problémem v oblasti strukturní bioinformatiky, který má mnoho aplikací souvisejících s objasňováním funkce proteinů a objevováním léků na základě struktury (tzv. rational drug design). Tato práce se nejprve zaměřila na aplikaci strojového učení na tento a související problémy. Druhým zaměřením byl vývoj prakticky použitelných nástrojů na základě našeho výzkumu. Mezi nástroje založené na strojovém učení vytvořené jako výsledek práce na této dizertaci patří metoda pocket re-scoring PRANK, samostatní metoda predikce vazebních míst pro lig- andy P2Rank (společně s rozšířeným webovým rozhraním PrankWeb) a metoda predikce vazebních míst pro peptidy P2Rank-Pept. Ukázali jsme, že naše metody jsou presnejší než dostupné nástroje a zároveň poskytují další výhody, jako je rychlost predikce a stabilita. Dále jsme vyvinuli AHoJ, flexibilní nástroj pro vyhledávání a zarovnání Apo-Holo proteinových párů v PDB. AHoJ to je ideální pro vytváření Apo-Holo datasetů, které mohou v budoucnu pomoci lépe evalu- ovat metody pro predikcy vazebních míst. 1
|
|
|
Representation of chemical compounds and its utilization in similarity search
Škoda, Petr ; Hoksza, David (vedoucí práce) ; Brezovský, Jan (oponent) ; Modrák, Martin (oponent)
Běžnou součástí vývoje léčiv je virtuální screening, který využívá metod podobnostního modelování a vyhledávání. Tyto metody většinou nejsou specifické pro daný makromolekulární cíl, nabízí se tedy možnost implementace nových metod, jenž by se byly schopné na daný cíl adaptovat. Nové metody však trpí dalšími problémy jako je dostupnost či neodpovídajícím benchmarking. Hlavní potíže s benchmarkingem spočívají ve špatném výběru referenčních metod, nedostatečné reprodukovatelnosti výsledků a použití nestandardních datových sad pro testování. Tyto potíže jsou navíc běžné i u benchmarkových studií, jenž se zaměřují na standardizované porovnání metod. Z těchto důvodů nové metody nejsou schopny získat důvěru doménových expertů, kteří tak často pracují se staršími metodami. V této práci se zaměřujeme na výše uvedené problémy. Nejprve představíme nové adaptivní metody metody pro virtuální screening. Dále představíme námi navržený nástroj pro virtuální screening, jenž by měl zlepšit dostupnost nově navržených metod. Nakonec představíme naši benchmarkovací platformu a kolekci datových sad, jenž je použitelná pro reprodukovatelné hodnocení metod virtuálního screeningu.
|
host ::
RSS.