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
Autor:
Goldberg, Tatyana
Jahr:
2016
Dokumenttyp:
Dissertation
Fakultät/School:
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...     »
WWW:
https://mediatum.ub.tum.de/?id=1304188
Eingereicht am:
15.12.2016
Mündliche Prüfung:
27.04.2016
Dateigröße:
20567626 bytes
Seiten:
175
Urn (Zitierfähige URL):
https://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:91-diss-20160427-1304188-1-3
Letzte Änderung:
01.09.2016
 BibTeX