Benutzer: Gast  Login
Originaltitel:
Next Generation Machine Learning Prediction of Protein Cellular Sorting 
Übersetzter Titel:
Neue Ansätze zur Vorhersage von zellulärer Proteinsortierung mittels Machine Learning 
Jahr:
2016 
Dokumenttyp:
Dissertation 
Institution:
Fakultät für Informatik 
Betreuer:
Rost, Burkhard (Prof. Dr.) 
Gutachter:
Rost, Burkhard (Prof. Dr.); Bromberg, Yana (Prof. Dr.); Antes, Iris (Prof. Dr.) 
Sprache:
en 
Fachgebiet:
BIO Biowissenschaften 
TU-Systematik:
BIO 110d 
Kurzfassung:
Determining the localization of a protein within a biological cell is important for understanding protein’s function, as certain functions can only be performed in certain cellular environments. Despite advances in high-throughput experiments, many proteins are still lacking any functional annotation. My work presents a series of novel machine learning-based approaches that predict localization from protein amino acid sequence and thus complement experimental annotations considerably. 
Übersetzte Kurzfassung:
Viele Proteinfunktionen können nur in bestimmten zellulären Kompartimenten ausgeübt werden. Deshalb ist die subzelluläre Lokalisierung wichtig, um die Funktion einzelner Proteine zu verstehen. Jedoch gestaltet sich die experimentelle Bestimmung der Proteinlokalisierung problematisch. Meine Arbeit beschreibt eine Reihe von neuen Machine Learning basierten Methoden, welche die zelluläre Lokalisierung der Proteine anhand ihrer Aminosäuresequenz vorhersagen und somit Annotationenen der Proteinfunkti...    »
 
Mündliche Prüfung:
27.04.2016 
Dateigröße:
20567626 bytes 
Seiten:
175 
Letzte Änderung:
01.09.2016