Prediction of Protein-Protein Interaction Sites with Conditional Random Fields

Dong, Zhijie

dc.contributor.advisor	Waack, Stephan Prof. Dr.	de
dc.contributor.author	Dong, Zhijie	de
dc.date.accessioned	2012-11-28T15:52:12Z	de
dc.date.accessioned	2013-01-18T13:23:41Z	de
dc.date.available	2013-01-30T23:51:07Z	de
dc.date.issued	2012-11-28	de
dc.identifier.uri	http://hdl.handle.net/11858/00-1735-0000-000D-F077-1	de
dc.identifier.uri	http://dx.doi.org/10.53846/goediss-2553
dc.identifier.uri	http://dx.doi.org/10.53846/goediss-2553
dc.description.abstract	Anwendung der Mathematik, der Statistik und Informationstheorie auf dem Bereich der Molekularbiologie ist ein etabliertes Gebiet der Naturwissenschaft. Viele Forschungen verwenden die statistischen Modelle mit Ansätzen der Informationstheoie zur Untersuchung und Analyse biologischer Datensätze. In diesem Projekt wird die Protein-Protein-Wechselwirkung fokussiert. Das Ziel ist die bedeutenden Stellen der Protein-Protein-Wechselwirkungen vorherzusagen, welche eine zentrale Rolle in vielen biologischen Prozessen spielen. Die Methode basiert auf das so gennante Conditional Random Field (CRF), welches zu stochastischen Modellen gehört. Darüber hinaus bezieht sich die Aufgabe auch auf maschinelles Lernen, was ein wichtiger Punkt in der Anwendung ist.	de
dc.format.mimetype	application/pdf	de
dc.language.iso	eng	de
dc.rights.uri	http://creativecommons.org/licenses/by-nc-nd/3.0/	de
dc.title	Prediction of Protein-Protein Interaction Sites with Conditional Random Fields	de
dc.type	doctoralThesis	de
dc.title.translated	Vorhersage der Protein-Protein Wechselwirkungsstellen mit Conditional Random Fields	de
dc.contributor.referee	Waack, Stephan Prof. Dr.	de
dc.date.examination	2012-04-27	de
dc.subject.dnb	004 Informatik	de
dc.subject.gok	EGIT 050 Learning and adaptive systems	de
dc.description.abstracteng	Protein-protein interactions appear in almost every biological process. Proteins are mainly folded into three dimensional structures, which requires that a meaningful prediction should take consideration of the important spatial relationships of the amino acid residues. In this regard, many research groups use the spatial neighborhood information to evaluate the residues in their predictions, but the model itself do not consider the dependencies between the spatial neighboring residues. Our contribution is modeling the spatial neighborhood information of a protein directly into a graphical model based on the approach of conditional random fields.	de
dc.contributor.coReferee	Damm, Carsten Prof. Dr.	de
dc.contributor.thirdReferee	Schöbel, Anita Prof. Dr.	de
dc.subject.topic	Mathematics and Computer Science	de
dc.subject.ger	Conditional Random Fields (CRFs)	de
dc.subject.ger	Vorhersage der Protein-Protein-Wechselwirkung	de
dc.subject.ger	Maschinelles Lernen	de
dc.subject.ger	Bioinformatik	de
dc.subject.ger	Mathematische Modelle	de
dc.subject.ger	Stochastische Modelle	de
dc.subject.eng	Conditional Random Fields (CRFs)	de
dc.subject.eng	protein-protein interaction prediction	de
dc.subject.eng	machine learning	de
dc.subject.eng	bioinformatics	de
dc.subject.eng	mathematical models	de
dc.subject.eng	stochastical models	de
dc.subject.bk	54.80 Angewandte Informatik	de
dc.identifier.urn	urn:nbn:de:gbv:7-webdoc-3814-1	de
dc.identifier.purl	webdoc-3814	de
dc.affiliation.institute	Mathematisch-Naturwissenschaftliche Fakultäten	de
dc.identifier.ppn	737898992	de

Dateien

Name:dong.pdf

Größe:766.8Kb

Format:PDF

Öffnen

Name:: dong.pdf
Größe:: 766.8Kb
Format:: PDF

Öffnen

Das Dokument erscheint in:

Fakultät für Mathematik und Informatik (inkl. GAUSS) [518]

Zur Kurzanzeige