|
|
Moderní metody predikce sekundární struktury proteinů a jejich srovnání
Kraus, Ondřej ; Novotný, Marian (vedoucí práce) ; Pleskot, Roman (oponent)
V současnosti existuje několik nástrojů k predikci sekundární struktury proteinů, většina moderních metod používá algoritmy, jako jsou skryté Markovovy modely nebo umělé neurální sítě. Ve své práci se proto pokusím s nimi čtenáře seznámit a vysvětlit na jakém principu pracují, jaké jsou jejich výhody a nevýhody. Většina moderních metod predikuje tři typy sekundární struktury (helix, list a smyčku) s úspěšností 70%-80%. Nicméně vzhledem k odlišné metodice testování úspěšnosti různých metod lze brát výsledky pouze jako orientační, a uživatel by se proto měl s metodou a metodikou jejího testování nejprve detailně seznámit. Klíčová slova: predikce proteinové struktury, skrytý Markovův model, umělá neuronová síť, nejbližší soused, sekundární struktura proteinů
|
|
|
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
|
|
|
Moderní metody predikce sekundární struktury proteinů a jejich srovnání
Kraus, Ondřej ; Novotný, Marian (vedoucí práce) ; Pleskot, Roman (oponent)
V současnosti existuje několik nástrojů k predikci sekundární struktury proteinů, většina moderních metod používá algoritmy, jako jsou skryté Markovovy modely nebo umělé neurální sítě. Ve své práci se proto pokusím s nimi čtenáře seznámit a vysvětlit na jakém principu pracují, jaké jsou jejich výhody a nevýhody. Většina moderních metod predikuje tři typy sekundární struktury (helix, list a smyčku) s úspěšností 70%-80%. Nicméně vzhledem k odlišné metodice testování úspěšnosti různých metod lze brát výsledky pouze jako orientační, a uživatel by se proto měl s metodou a metodikou jejího testování nejprve detailně seznámit. Klíčová slova: predikce proteinové struktury, skrytý Markovův model, umělá neuronová síť, nejbližší soused, sekundární struktura proteinů
|
host ::
RSS.