User: Guest  Login
Original title:
Prediction of residue contacts and interaction sites in transmembrane proteins using deep learning 
Translated title:
Vorhersage von Restkontakten und Interaktionsstellen in Transmembranproteinen mittels Deep Learning 
Year:
2021 
Document type:
Dissertation 
Institution:
Fakultät Wissenschaftszentrum Weihenstephan 
Advisor:
Frischmann, Dmitrij (Prof. Dr.) 
Referee:
Frischmann, Dmitrij (Prof. Dr.); Burkhard Rost (Prof. Dr.) 
Language:
en 
Subject group:
BIO Biowissenschaften 
Keywords:
Protein Structure Prediction, Protein Interaction, Molecular Evolution, Molecular Modeling, Deep Learning 
Translated keywords:
Vorhersage der Proteinstruktur, Proteininteraktion, Molekulare Evolution, Molekulare Modellierung, Deep Learning 
TUM classification:
BIO 110 
Abstract:
We have built on deep residual neural networks and coevolutionary features to develop two novel deep-learning-based systems, DeepHelicon and DeepTMInter, for sequence-based prediction of residue contacts and interaction sites in TM proteins, respectively. Both systems have undergone systematic supervised-learning processes followed by performance refinement on the currently largest datasets of TM proteins at the <22% and <25% sequence identity levels, respectively. 
Translated abstract:
Wir haben auf tiefe verbleibende neuronale Netzwerke und koevolutionären Merkmalen aufgebaut, um zwei neuartige Deep-Learning-basierte Systeme zu entwickeln, DeepHelicon und DeepTMInter, für die sequenzbasierte Vorhersage von Rückstandskontakten bzw. Interaktionsstellen in TM-Proteinen. Beide Systeme wurden systematisch überwachten Lernprozessen unterzogen, gefolgt von einer Leistungsverfeinerung der derzeit größten Datensätze von TM-Proteinen auf den <22 % bzw. <25 %-Sequenzidentitätsniveaus. 
Oral examination:
18.02.2021 
File size:
5431954 bytes 
Pages:
140 
Last change:
09.04.2021