Development of DNA sequence classifiers based on deep learning

Detalhes bibliográficos
Autor(a) principal: Abreu, João Nuno Cardoso Gonçalves de
Data de Publicação: 2022
Tipo de documento: Dissertação
Idioma: eng
Título da fonte: Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
Texto Completo: https://hdl.handle.net/1822/84065
Resumo: Dissertação de mestrado em Informatics Engineering
id RCAP_0076a52d01d5fa55d76734a3b66ec1c5
oai_identifier_str oai:repositorium.sdum.uminho.pt:1822/84065
network_acronym_str RCAP
network_name_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository_id_str 7160
spelling Development of DNA sequence classifiers based on deep learningDesenvolvimento de classificadores de sequências de ADN baseado em deep learningDNADNA sequence classificationMachine LearningDeep LearningClassificação de sequências de ADNDissertação de mestrado em Informatics EngineeringDeoxyribonucleic acid (DNA) is a biological macromolecule whose primary function is to store an individual’s genetic information. Because of breakthroughs in sequencing technology, the number of DNA sequences is now growing at an exponential rate. The assignment of a function to these sequences is a great obstacle in Bioinformatics, and current methods rely on homologies, a solution that is slow and less accurate. Machine learning (ML) has been widely employed as it is a relevant tool for processing huge amounts of data by learning on its own without explicit programming. Using ML, it is now possible to speed up and automatically classify DNA sequences into existing categories with the objective of learning their functions. However, building a machine learning classifier of biological sequences is a tough challenge due to the lack of numerical properties in the sequence that the model requires. Therefore, it is still necessary to apply some pre-processing techniques so that the sequences are properly represented for the model. These techniques include feature extraction and feature selection, and they are the most difficult components because sequences lack explicit features. Deep learning models have recently been developed that not only extract features from input automatically, but also improve the prediction and classification of DNA sequences. The main goal of this project is to create a tool that can automatically classify DNA sequences using machine and deep learning models and algorithms, followed by its integration into ProPythia, a Python package developed by the host group. Automated ML classifiers will also be developed to integrate in OmniumAI software platforms. Transcription factor annotation and essential gene determination will be used as case studies for the platform validation. With this study, it is intended to encourage the use of such technologies to develop new tools that can manage vast volumes of biological data, thus boosting DNA prediction understanding.O ácido desoxirribonucleico (ADN) é uma macromolécula biológica cuja principal função é armazenar a informação genética de um indivíduo. Devido aos avanços na tecnologia de sequenciamento, o número dessas sequências está a crescer a uma taxa exponencial. A atribuição de funções a estas sequências é um grande obstáculo na Bioinformática, e os métodos atuais usam homologias, uma solução lenta e pouco precisa. Machine learning tem sido bastante utilizado, pois é uma ferramenta capaz de processar grandes quantidades de dados aprendendo por conta própria sem programação explícita. Desta maneira, é possível acelerar e classificar automaticamente as sequências de ADN em categorias existentes com o objetivo de aprender as suas funções. No entanto, construir um classificador de machine learning de sequências biológicas é um grande desafio devido à falta de propriedades numéricas na sequência que o modelo exige. É necessário aplicar algumas técnicas de pré-processamento para que as sequências sejam devidamente representadas para o modelo. Essas técnicas incluem extração e seleção de características, e são os componentes mais difíceis porque as sequências carecem de características explícitas. Modelos de deep learning foram desenvolvidos recentemente que não só extraem características dos dados automaticamente, como também melhoram a previsão e classificação de sequências de ADN. O principal objetivo deste projeto é criar uma ferramenta capaz de classificar automaticamente sequências de ADN usando modelos e algoritmos de machine e deep learning, seguido da sua integração no ProPythia, um Python package desenvolvido pelo grupo anfitrião. Classificadores automáticos de machine learning também serão desenvolvidos para integração em plataformas de software OmniumAI. A determinação do fator de transcrição e de genes essenciais serão utilizados como casos de estudo para validação da plataforma. Com este estudo, pretende-se incentivar o uso de tais tecnologias para desenvolver novas ferramentas que consigam lidar com grandes volumes de dados, permitindo avanços na área de previsão de ADN.Rocha, MiguelDias, OscarUniversidade do MinhoAbreu, João Nuno Cardoso Gonçalves de2022-12-192022-12-19T00:00:00Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttps://hdl.handle.net/1822/84065eng203252250info:eu-repo/semantics/openAccessreponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãoinstacron:RCAAP2023-07-21T12:47:10Zoai:repositorium.sdum.uminho.pt:1822/84065Portal AgregadorONGhttps://www.rcaap.pt/oai/openaireopendoar:71602024-03-19T19:45:15.441728Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãofalse
dc.title.none.fl_str_mv Development of DNA sequence classifiers based on deep learning
Desenvolvimento de classificadores de sequências de ADN baseado em deep learning
title Development of DNA sequence classifiers based on deep learning
spellingShingle Development of DNA sequence classifiers based on deep learning
Abreu, João Nuno Cardoso Gonçalves de
DNA
DNA sequence classification
Machine Learning
Deep Learning
Classificação de sequências de ADN
title_short Development of DNA sequence classifiers based on deep learning
title_full Development of DNA sequence classifiers based on deep learning
title_fullStr Development of DNA sequence classifiers based on deep learning
title_full_unstemmed Development of DNA sequence classifiers based on deep learning
title_sort Development of DNA sequence classifiers based on deep learning
author Abreu, João Nuno Cardoso Gonçalves de
author_facet Abreu, João Nuno Cardoso Gonçalves de
author_role author
dc.contributor.none.fl_str_mv Rocha, Miguel
Dias, Oscar
Universidade do Minho
dc.contributor.author.fl_str_mv Abreu, João Nuno Cardoso Gonçalves de
dc.subject.por.fl_str_mv DNA
DNA sequence classification
Machine Learning
Deep Learning
Classificação de sequências de ADN
topic DNA
DNA sequence classification
Machine Learning
Deep Learning
Classificação de sequências de ADN
description Dissertação de mestrado em Informatics Engineering
publishDate 2022
dc.date.none.fl_str_mv 2022-12-19
2022-12-19T00:00:00Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://hdl.handle.net/1822/84065
url https://hdl.handle.net/1822/84065
dc.language.iso.fl_str_mv eng
language eng
dc.relation.none.fl_str_mv 203252250
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
instacron:RCAAP
instname_str Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
instacron_str RCAAP
institution RCAAP
reponame_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
collection Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository.name.fl_str_mv Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
repository.mail.fl_str_mv
_version_ 1799133016506761216

Registros relacionados