prikaz prve stranice dokumenta Stvaranje novih peptida upotrebom modela varijacijskog autoenkodera
  Preuzmi
PDF 2.05 MB
diplomski rad
Stvaranje novih peptida upotrebom modela varijacijskog autoenkodera
2023. urn:nbn:hr:190:387312
Ronta, Antonio
Sveučilište u Rijeci
Tehnički fakultet

Citirajte ovaj rad

Ronta, A. (2023). Stvaranje novih peptida upotrebom modela varijacijskog autoenkodera (Diplomski rad). Rijeka: Sveučilište u Rijeci, Tehnički fakultet. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:190:387312

Ronta, Antonio. "Stvaranje novih peptida upotrebom modela varijacijskog autoenkodera." Diplomski rad, Sveučilište u Rijeci, Tehnički fakultet, 2023. https://urn.nsk.hr/urn:nbn:hr:190:387312

Ronta, Antonio. "Stvaranje novih peptida upotrebom modela varijacijskog autoenkodera." Diplomski rad, Sveučilište u Rijeci, Tehnički fakultet, 2023. https://urn.nsk.hr/urn:nbn:hr:190:387312

Ronta, A. (2023). 'Stvaranje novih peptida upotrebom modela varijacijskog autoenkodera', Diplomski rad, Sveučilište u Rijeci, Tehnički fakultet, citirano: 20.12.2024., https://urn.nsk.hr/urn:nbn:hr:190:387312

Ronta A. Stvaranje novih peptida upotrebom modela varijacijskog autoenkodera [Diplomski rad]. Rijeka: Sveučilište u Rijeci, Tehnički fakultet; 2023 [pristupljeno 20.12.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:190:387312

A. Ronta, "Stvaranje novih peptida upotrebom modela varijacijskog autoenkodera", Diplomski rad, Sveučilište u Rijeci, Tehnički fakultet, Rijeka, 2023. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:190:387312

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:190:387312
Prijavite se u repozitorij kako biste mogli spremiti objekt u svoju listu.
Podaci o radu
NaslovStvaranje novih peptida upotrebom modela varijacijskog autoenkodera
Naslov (engleski)Generating de novo peptides using variational autoencoder model
AutorAntonio Ronta
MentorGoran Mauša (mentor)
Član povjerenstvaIvo Ipšić (predsjednik povjerenstva)
Član povjerenstvaSandi Ljubić (član povjerenstva)
Član povjerenstvaGoran Mauša (član povjerenstva)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište u Rijeci
Tehnički fakultet
Rijeka
Datum i država obrane2023-11-21, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		TEHNIČKE ZNANOSTI
Računarstvo
Umjetna inteligencija
Sažetak
Rastuća prijetnja rezistencije na antibiotike ističe potrebu za inovativnim terapijskim strategijama. Antimikrobni peptidi (AMP-ovi) su se pojavili kao potencijalni kandidati s izvanrednim antimikrobnim svojstvima. Duboki generativni modeli, posebice varijacijski autoenkoderi (VAE), obećavaju učinkovito generiranje ovih peptida. Ovo istraživanje ispituje primjenu VAE modela za generiranje AMP-ova, ističući njihov potencijal u borbi protiv rezistencije na antibiotike. Naglašava sposobnost VAE modela za olakšavanje dizajna AMP-ova, uzimajući u obzir važnost daljnjeg usavršavanja modela kako bi se potpuno iskoristile njihove mogućnosti i optimizirali rezultati.
Sažetak (engleski)
The increasing menace of antibiotic resistance underscores the need for innovative therapeutic strategies. Antimicrobial peptides (AMPs) have emerged as potential candidates, exhibiting remarkable antimicrobial properties. Deep generative models, particularly Variational Autoencoders (VAEs), offer promise in the efficient design of these peptides. This study delves into the application of VAEs for AMP generation, highlighting their potential in combating antibiotic resistance. It underscores VAEs’ ability to facilitate AMP design while recognizing the importance of further model refinement to fully unleash their capabilities and optimize outcomes.
Ključne riječi
Ključne riječi (engleski)
Jezikhrvatski
URN:NBNurn:nbn:hr:190:387312
Studijski programNaziv: Računarstvo
Vrsta studija: sveučilišni
Stupanj studija: diplomski
Akademski / stručni naziv: magistar/magistra inženjer/inženjerka računarstva (mag. ing. comp.)
Vrsta resursaTekst
Način izrade datotekeIzvorno digitalna
Prava pristupaOtvoreni pristup
Uvjeti korištenjaIkona licence Imenovanje 4.0 međunarodna (CC BY 4.0)
Datum i vrijeme pohrane2023-11-16 18:35:21