but.committee	doc. Ing. František Zbořil, Ph.D. (předseda) doc. Mgr. Adam Rogalewicz, Ph.D. (místopředseda) Ing. Michal Bidlo, Ph.D. (člen) doc. Ing. Lukáš Burget, Ph.D. (člen) Ing. František Grézl, Ph.D. (člen) Prof. RNDr. Mária Lucká, Ph.D. (člen)	cs
but.defence	Studentka nejprve prezentovala výsledky, kterých dosáhla v rámci své práce. Komise se poté seznámila s hodnocením vedoucího a posudkem oponenta práce. Studentka následně odpověděla na otázky oponenta a na další otázky přítomných. Komise se na základě posudku oponenta, hodnocení vedoucího, přednesené prezentace a odpovědí studentky na položené otázky rozhodla práci hodnotit stupněm A. Otázky u obhajoby: Proč je nástroj TOP přesnější než váš model? Mohlo by to souviset se ztrátou informace při použití k-merového spektra? U algoritmu NMDK vybíráte N prvků k-merového spektra s největšími rozdíly. Co kdyby se použili všechny prvky k-merového spektra, které by měly rozdíl větší než pevně stanovený práh? Mohlo by to vést ke zlepšení klasifikace? Existuje publikace s algoritmem ITS a zkoušela jste se sním srovnat? Jaká je výpočetní náročnost Vašeho algoritmu? Data sety jste si tvořila sama, nebo jste použila existující?	cs
but.jazyk	angličtina (English)
but.program	Informační technologie	cs
but.result	práce byla úspěšně obhájena	cs
dc.contributor.advisor	Smatana, Stanislav	en
dc.contributor.author	Valešová, Nikola	en
dc.contributor.referee	Hon, Jiří	en
dc.date.accessioned	2019-07-08T15:56:55Z
dc.date.available	2019-07-08T15:56:55Z
dc.date.created	2019	cs
dc.description.abstract	Tato práce se zabývá problematikou automatizované klasifikace a rozpoznávání bakterií po získání jejich DNA procesem sekvenování. V rámci této práce je navržena a popsána nová metoda klasifikace založená na základě segmentu 16S rRNA. Představený princip je vytvořen podle stromové struktury taxonomických kategorií a používá známé algoritmy strojového učení pro klasifikaci bakterií do jedné ze tříd na nižší taxonomické úrovni. Součástí práce je dále implementace popsaného algoritmu a vyhodnocení jeho přesnosti predikce. Přesnost klasifikace různých typů klasifikátorů a jejich nastavení je prozkoumána a je určeno nastavení, které dosahuje nejlepších výsledků. Přesnost implementovaného algoritmu je také porovnána s několika existujícími metodami. Během validace dosáhla implementovaná aplikace KTC více než 45% přesnosti při predikci rodu na datových sadách BLAST 16S i BLAST V4. Na závěr je zmíněno i několik možností vylepšení a rozšíření stávající implementace algoritmu.	en
dc.description.abstract	This thesis deals with the problem of automated classification and recognition of bacteria after obtaining their DNA by the sequencing process. In the scope of this work, a new classification method based on the 16S rRNA gene segment is designed and described. The presented principle is constructed according to the tree structure of taxonomic categories and uses well-known machine learning algorithms to classify bacteria into one of the classes at the lower taxonomic level. A part of this thesis is also dedicated to the implementation of the described algorithm and evaluation of its prediction accuracy. The performance of various classifier types and their settings is examined and the setting with the best accuracy is determined. The accuracy of the implemented algorithm is also compared to several existing methods. During validation, the implemented KTC application reached more than 45 % accuracy on genus prediction on both BLAST 16S and BLAST V4 datasets. At the end of the thesis, there are mentioned several possibilities to improve and extend the current implementation of the algorithm.	cs
dc.description.mark	A	cs
dc.identifier.citation	VALEŠOVÁ, N. Bioinformatický nástroj pro klasifikaci bakterií do taxonomických kategorií na základě sekvence genu 16S rRNA [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2019.	cs
dc.identifier.other	121940	cs
dc.identifier.uri	http://hdl.handle.net/11012/180353
dc.language.iso	en	cs
dc.publisher	Vysoké učení technické v Brně. Fakulta informačních technologií	cs
dc.rights	Standardní licenční smlouva - přístup k plnému textu bez omezení	cs
dc.subject	Strojové učení	en
dc.subject	metagenomika	en
dc.subject	klasifikace baterií	en
dc.subject	fylogenetický strom	en
dc.subject	taxonomie	en
dc.subject	16S rRNA	en
dc.subject	sekvenování DNA	en
dc.subject	scikit-learn	en
dc.subject	Machine learning	cs
dc.subject	metagenomics	cs
dc.subject	bacteria classification	cs
dc.subject	phylogenetic tree	cs
dc.subject	taxonomy	cs
dc.subject	16S rRNA	cs
dc.subject	DNA sequencing	cs
dc.subject	scikit-learn	cs
dc.title	Bioinformatický nástroj pro klasifikaci bakterií do taxonomických kategorií na základě sekvence genu 16S rRNA	en
dc.title.alternative	Bioinformatic Tool for Classification of Bacteria into Taxonomic Categories Based on the Sequence of 16S rRNA Gene	cs
dc.type	Text	cs
dc.type.driver	masterThesis	en
dc.type.evskp	diplomová práce	cs
dcterms.dateAccepted	2019-06-17	cs
dcterms.modified	2019-07-08-13:31:19	cs
eprints.affiliatedInstitution.faculty	Fakulta informačních technologií	cs
sync.item.dbid	121940	en
sync.item.dbtype	ZP	en
sync.item.insts	2021.11.08 13:09:03	en
sync.item.modts	2021.11.08 12:40:43	en
thesis.discipline	Inteligentní systémy	cs
thesis.grantor	Vysoké učení technické v Brně. Fakulta informačních technologií. Ústav počítačových systémů	cs
thesis.level	Inženýrský	cs
thesis.name	Ing.	cs

Bioinformatický nástroj pro klasifikaci bakterií do taxonomických kategorií na základě sekvence genu 16S rRNA

Files

Original bundle

Collections