Аннотация 2
Abstract 3
Введение 5
Обзор литературы 6
4.1 Нуклеосомная разметка ДНК . . . . . . . . . . . . . . . . . .6
4.2 Вероятностная модель взаимодействия нуклеосомы и ДНК 8
4.3 Глубинное обучение для предсказания расположения нуклеосом 12
DiProDB. Свойства динуклеотидов 19
Данные и предобработка данных 23
Методы 25
Результаты 27
8.1 Результаты предсказания без электростатического потенциала и изгибаемости. . . . . . . . . . . . . . 27
8.2 Результаты предсказания с добавлением электростатического
потенциала и изгибаемости . . . . . . . . . . . . . . . . . . . 29
8.3 Сравнение подходов . . . . . . . . . . . . . . . . . . . . . . . 31
8.4 Вероятностный профиль расположения нуклеосом . . . . . . 33
8.4.1 До добавления изгибаемости и электростатического потенциала . . . . . . . . . . . . . . . . . . . . . 33
8.4.2 После добавления изгибаемости и электростатического потенциала . . . . . . . . . . . 34
8.5 Сравнение с другими типами тканей . . . . . . . . . . . . . . 36
8.5.1 Жировая ткань . . . . . . . . . . . . . . . . . . . . . . 37
8.5.2 Печень . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
8.5.3 Нервная ткань . . . . . . . . . . . . . . . . . . . . . . 39
8.6 Выводы . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
9 Заключение 41
Список литературы 42
Приложение 1 45
Приложение 2 46
Приложение 3 51
Приложение 4 58
В настоящее время существует множество доступных экспериментальных данных, по которым строится аннотация генома различными геномными элементами, в том числе, например, нуклеосомами.
Цель настоящей работы – реализация методов машинного обучения для предскаания вероятностного расположения нуклеосом в разных типах тканей на основе физико-химических и геометрических свойств последовательности ДНК, в частности с учетом распределения электростатического потенциала ДНК.
Объект исследования: разметка геномной последовательности нуклеосомами.
Предмет исследования: построение вероятностных профилей расположения нуклеосомы на основе физико-химических и геометрических свойств последовательности.
Задачи работы:
• Провести обзор существующих методов предсказания расположения нуклеосом в геноме
• Из экспериментальных данныx MNase-Seq взять карты точных положений нуклеосом в геноме и охарактеризовать последовательности по физико-химическим и структурным свойствам динуклеотидов.
• Построить модели машинного обучения для предсказания положения нуклеосом
• Проанализировать предсказанные места расположения нуклеосом.
Методы исследования: анализ литературы; построение моделей методами машинного обучения (Random Forest, SVM, XgBoost); статистическая оценка методов; визуализация.
Войти
в кабинет
в кабинет
' .
Пролистайте материалы и убедитесь в качестве
Предсказание положения нуклеосом методами машинного обучения #9101959
Артикул: 9101959
- Предмет: Программирование
- Уникальность: 85% (Антиплагиат.ВУЗ)
- Разместил(-а): 185 Рамиль в 2019 году
- Количество страниц: 60
- Формат файла: docx
1 999p.
[1] Richmond T.J. D. C. The structure of dna in the nucleosome // Nature. — 2003. — Vol. 423. — P. 145–150.
[2] A genomic code for nucleosome positioning / Eran Segal, Yvonne Mittendorf, Lingyi Chen et al. // Nature. — 2006. — September. — Vol. 442. — P. 772–8.
[3] Chen W., Luo L., Zhang L. The organization of nucleosomes around splice sites // Nucleic Acids Res. — 2010.
[4] Predicting human nucleosome occupancy from primary sequence / Shobhit Gupta, Jonathan Dennis, Robert Thurman et al. // PLoS computa- tional biology. — 2008. — February. — Vol. 4. — P. e1000134.
[5] Nucleosome positioning signals in genomic dna. / Heather E Peckham, Robert E Thurman, Yutao Fu et al. // Genome Res. — 2007. — Vol. 17, no. 8. — P. 1170–7. — Access mode: http://www.biomedsearch.com/ nih/Nucleosome-positioning-signals-in-genomic/17620451.html.
[6] Xing Y., Zhao X., Cai L. Prediction of nucleosome occupancy in saccharomyces cerevisiae using position-correlation scoring function. // Genomics. — 2011. — Access mode: http://www.biomedsearch. com/nih/Prediction-nucleosome-occupancy-in-Saccharomyces/ 21839161.html.
[7] Zhang Z., Zhang Y., Gutman I. Predicting nucleosome positions in yeast: using the absolute frequency. // J Biomol Struct Dyn. — 2012. — Vol. 29, no. 5. — P. 1081–8. — Access mode: http://www.biomedsearch.com/ nih/Predicting-nucleosome-positions-in-yeast/22292961.html.
[8] Prediction of nucleosome positioning using the dinucleotide absolute frequency of dna fragment / Z Zhang, Yusen Zhang, Wei Chen et al. //Match (Mulheim an der Ruhr, Germany). — 2012. — 03. — Vol. 68. — P. 639–650.
[9] iNuc-PhysChem: A sequence-based predictor for identifying nucleosomes via physicochemical properties. / Wei Chen, Hao Lin, PengMian Feng et al. // PLoS One. — 2012. — Vol. 7, no. 10. —
P. e47843. — Access mode: http://www.biomedsearch.com/nih/
iNuc-PhysChem-Sequence-Based-Predictor/23144709.html.
[10] iNuc-PseKNC: a sequence-based predictor for predicting nucleosome positioning in genomes with pseudo k-tuple nucleotide composition / ShouHui Guo, En-Ze Deng, Li-Qin Xu et al. // Bioinformatics. — 2014. — June. — Vol. 30. — P. 1522–9.
[11] A deformation energy-based model for predicting nucleosome dyads and occupancy / Guoqing Liu, Yongqiang Xing, Hongyu Zhao et al. // Scientific Reports. — 2016. — 04. — Vol. 6. — P. 24133.
[12] Di Gangi M., Lo Bosco G., Rizzo R. Deep learning architectures for prediction of nucleosome positioning from sequences data // BMC Bioinformatics. — 2018. — Nov. — Vol. 19, no. 14. — P. 418.
[13] Lenup. — https://github.com/biomedBit/LeNup.
[14] Zhang J., Peng W., Wang L. LeNup: learning nucleosome position ing from dna sequences with improved convolutional neural networks // Bioinformatics. — 2018. — Vol. 34(10). — P. 1705–1712.
[15] DNA physical properties outperform sequence compositional information in classifying nucleosome-enriched and -depleted regions / Guoqing Liu, Guo-Jun Liu, Jiu-Xin Tan, Hao Lin // Genomics. — 2018.
[16] Friedel M., Nikolajewa S., Suehnel J., Wilhelm T. Dinucleotide property database. — 2009. — https://diprodb.leibniz-fli.de/ShowTable. php.
[17] Diprodb: a database for dinucleotide properties / Maik Friedel, Swetlana Nikolajewa, Ju¨rgen Su¨hnel, Thomas Wilhelm // Nucleic Acids Research. — 2009. — Vol. 37. — P. D37–D40.
[18] Electrostatic potentials of dna. comparative analysis of promoter and nonpromoter nucleotide sequences / R V Polozov, Timur Dzhelyadin, Anatoly Sorokin et al. // Journal of biomolecular structure dynamics. — 1999. — 07. — Vol. 16. — P. 1135–43.
[19] Trinucleotide models for dna bending propensity: Comparison of models based on dnasei digestion and nucleosome packaging data / Ivan Brukner, Roberto S´anchez, Dietrich Suck, S´andor Pongor // Journal of Biomolec- ular Structure and Dynamics. — 1995. — Vol. 13, no. 2. — P. 309–317. — PMID: 8579790. https://doi.org/10.1080/07391102.1995.10508842.
[20] Nucleosome positioning in the human genome. — http://eqtl. uchicago.edu/nucleosomes/midpoints/.
[21] Wiggle track format. — http://genome.ucsc.edu/goldenPath/help/ wiggle.html.
[22] Chip-atlas: a data-mining suite powered by full integration of public chip-seq data / Shinya Oki, Tazro Ohta, Go Sh ioi et al. // EMBO reports. — 2018. — Vol. 19, no. 12. — http://embor.embopress.org/content/19/12/e46255.full.pdf.
[23] Chip-atlas. — http://chip-atlas.org/peak_browser.
[2] A genomic code for nucleosome positioning / Eran Segal, Yvonne Mittendorf, Lingyi Chen et al. // Nature. — 2006. — September. — Vol. 442. — P. 772–8.
[3] Chen W., Luo L., Zhang L. The organization of nucleosomes around splice sites // Nucleic Acids Res. — 2010.
[4] Predicting human nucleosome occupancy from primary sequence / Shobhit Gupta, Jonathan Dennis, Robert Thurman et al. // PLoS computa- tional biology. — 2008. — February. — Vol. 4. — P. e1000134.
[5] Nucleosome positioning signals in genomic dna. / Heather E Peckham, Robert E Thurman, Yutao Fu et al. // Genome Res. — 2007. — Vol. 17, no. 8. — P. 1170–7. — Access mode: http://www.biomedsearch.com/ nih/Nucleosome-positioning-signals-in-genomic/17620451.html.
[6] Xing Y., Zhao X., Cai L. Prediction of nucleosome occupancy in saccharomyces cerevisiae using position-correlation scoring function. // Genomics. — 2011. — Access mode: http://www.biomedsearch. com/nih/Prediction-nucleosome-occupancy-in-Saccharomyces/ 21839161.html.
[7] Zhang Z., Zhang Y., Gutman I. Predicting nucleosome positions in yeast: using the absolute frequency. // J Biomol Struct Dyn. — 2012. — Vol. 29, no. 5. — P. 1081–8. — Access mode: http://www.biomedsearch.com/ nih/Predicting-nucleosome-positions-in-yeast/22292961.html.
[8] Prediction of nucleosome positioning using the dinucleotide absolute frequency of dna fragment / Z Zhang, Yusen Zhang, Wei Chen et al. //Match (Mulheim an der Ruhr, Germany). — 2012. — 03. — Vol. 68. — P. 639–650.
[9] iNuc-PhysChem: A sequence-based predictor for identifying nucleosomes via physicochemical properties. / Wei Chen, Hao Lin, PengMian Feng et al. // PLoS One. — 2012. — Vol. 7, no. 10. —
P. e47843. — Access mode: http://www.biomedsearch.com/nih/
iNuc-PhysChem-Sequence-Based-Predictor/23144709.html.
[10] iNuc-PseKNC: a sequence-based predictor for predicting nucleosome positioning in genomes with pseudo k-tuple nucleotide composition / ShouHui Guo, En-Ze Deng, Li-Qin Xu et al. // Bioinformatics. — 2014. — June. — Vol. 30. — P. 1522–9.
[11] A deformation energy-based model for predicting nucleosome dyads and occupancy / Guoqing Liu, Yongqiang Xing, Hongyu Zhao et al. // Scientific Reports. — 2016. — 04. — Vol. 6. — P. 24133.
[12] Di Gangi M., Lo Bosco G., Rizzo R. Deep learning architectures for prediction of nucleosome positioning from sequences data // BMC Bioinformatics. — 2018. — Nov. — Vol. 19, no. 14. — P. 418.
[13] Lenup. — https://github.com/biomedBit/LeNup.
[14] Zhang J., Peng W., Wang L. LeNup: learning nucleosome position ing from dna sequences with improved convolutional neural networks // Bioinformatics. — 2018. — Vol. 34(10). — P. 1705–1712.
[15] DNA physical properties outperform sequence compositional information in classifying nucleosome-enriched and -depleted regions / Guoqing Liu, Guo-Jun Liu, Jiu-Xin Tan, Hao Lin // Genomics. — 2018.
[16] Friedel M., Nikolajewa S., Suehnel J., Wilhelm T. Dinucleotide property database. — 2009. — https://diprodb.leibniz-fli.de/ShowTable. php.
[17] Diprodb: a database for dinucleotide properties / Maik Friedel, Swetlana Nikolajewa, Ju¨rgen Su¨hnel, Thomas Wilhelm // Nucleic Acids Research. — 2009. — Vol. 37. — P. D37–D40.
[18] Electrostatic potentials of dna. comparative analysis of promoter and nonpromoter nucleotide sequences / R V Polozov, Timur Dzhelyadin, Anatoly Sorokin et al. // Journal of biomolecular structure dynamics. — 1999. — 07. — Vol. 16. — P. 1135–43.
[19] Trinucleotide models for dna bending propensity: Comparison of models based on dnasei digestion and nucleosome packaging data / Ivan Brukner, Roberto S´anchez, Dietrich Suck, S´andor Pongor // Journal of Biomolec- ular Structure and Dynamics. — 1995. — Vol. 13, no. 2. — P. 309–317. — PMID: 8579790. https://doi.org/10.1080/07391102.1995.10508842.
[20] Nucleosome positioning in the human genome. — http://eqtl. uchicago.edu/nucleosomes/midpoints/.
[21] Wiggle track format. — http://genome.ucsc.edu/goldenPath/help/ wiggle.html.
[22] Chip-atlas: a data-mining suite powered by full integration of public chip-seq data / Shinya Oki, Tazro Ohta, Go Sh ioi et al. // EMBO reports. — 2018. — Vol. 19, no. 12. — http://embor.embopress.org/content/19/12/e46255.full.pdf.
[23] Chip-atlas. — http://chip-atlas.org/peak_browser.
Материалы, размещаемые в каталоге, с согласия автора, могут использоваться только в качестве дополнительного инструмента для решения имеющихся у вас задач,
сбора информации и источников, содержащих стороннее мнение по вопросу, его оценку, но не являются готовым решением.
Пользователь вправе по собственному усмотрению перерабатывать материалы, создавать производные произведения,
соглашаться или не соглашаться с выводами, предложенными автором, с его позицией.
| Тема: | Предсказание положения нуклеосом методами машинного обучения |
| Артикул: | 9101959 |
| Дата написания: | 12.08.2019 |
| Тип работы: | Дипломная работа |
| Предмет: | Программирование |
| Оригинальность: | Антиплагиат.ВУЗ — 85% |
| Количество страниц: | 60 |
Скрин проверки АП.ВУЗ приложен на последней странице.
В работе представлены только пояснительная записка и листинг программы. Самой программы нет
В работе представлены только пояснительная записка и листинг программы. Самой программы нет
Файлы артикула: Предсказание положения нуклеосом методами машинного обучения по предмету программирование
Пролистайте "Предсказание положения нуклеосом методами машинного обучения" и убедитесь в качестве
После покупки артикул автоматически будет удален с сайта до 22.02.2025
Посмотреть остальные страницы ▼
Честный антиплагиат!
Уникальность работы — 85% (оригинальный текст + цитирования, без учета списка литературы и приложений), приведена по системе Антиплагиат.ВУЗ на момент её написания и могла со временем снизиться. Мы понимаем, что это важно для вас, поэтому сразу после оплаты вы сможете бесплатно поднять её. При этом текст и форматирование в работе останутся прежними.
Гарантируем возврат денег!
Качество каждой готовой работы, представленной в каталоге, проверено и соответствует описанию. В случае обоснованных претензий мы гарантируем возврат денег в течение 24 часов.
Утром сдавать, а работа еще не написана?
Через 30 секунд после оплаты вы скачаете эту работу!
Сегодня уже купили 9 работ. Успей и ты забрать свою пока это не сделал кто-то другой!
ПРЕДЫДУЩАЯ РАБОТА
IOS-приложение для навигации внутри помещения
СЛЕДУЮЩАЯ РАБОТА
Прототип клиент-серверного приложения для получения медицинских онлайн-консультаций "e-Doctor"