haku: @instructor Heikkonen, Jukka / yhteensä: 8
hakutulos-lista
viite: 3 / 8
« edellinen | seuraava »
Tekijä:Kaapro, Aatu
Työn nimi:Modeling gene regulatory networks with Bayesian networks
Geenisäätelyverkkojen mallinnus Bayes-verkoilla
Julkaisutyyppi:Diplomityö
Julkaisuvuosi:2006
Sivut:152      Kieli:   eng
Koulu/Laitos/Osasto:Sähkö- ja tietoliikennetekniikan osasto
Oppiaine:Laskennallinen tekniikka   (S-114)
Valvoja:Kaski, Kimmo
Ohjaaja:Heikkonen, Jukka
OEVS:
Sähköinen arkistokappale on luettavissa Aalto Thesis Databasen kautta.
Ohje
sulje

Digitaalisten opinnäytteiden lukeminen Aalto-yliopiston Harald Herlin -oppimiskeskuksen suljetussa verkossa

Oppimiskeskuksen suljetussa verkossa voi lukea sellaisia digitaalisia ja digitoituja opinnäytteitä, joille ei ole saatu julkaisulupaa avoimessa verkossa.

Oppimiskeskuksen yhteystiedot ja aukioloajat: https://learningcentre.aalto.fi/fi/harald-herlin-oppimiskeskus/

Opinnäytteitä voi lukea Oppimiskeskuksen asiakaskoneilla, joita löytyy kaikista kerroksista.

Kirjautuminen asiakaskoneille

  • Aalto-yliopistolaiset kirjautuvat asiakaskoneille Aalto-tunnuksella ja salasanalla.
  • Muut asiakkaat kirjautuvat asiakaskoneille yhteistunnuksilla.

Opinnäytteen avaaminen

  • Asiakaskoneiden työpöydältä löytyy kuvake:

    Aalto Thesis Database

  • Kuvaketta klikkaamalla pääset hakemaan ja avaamaan etsimäsi opinnäytteen Aaltodoc-tietokannasta. Opinnäytetiedosto löytyy klikkaamalla viitetietojen OEV- tai OEVS-kentän linkkiä.

Opinnäytteen lukeminen

  • Opinnäytettä voi lukea asiakaskoneen ruudulta tai sen voi tulostaa paperille.
  • Opinnäytetiedostoa ei voi tallentaa muistitikulle tai lähettää sähköpostilla.
  • Opinnäytetiedoston sisältöä ei voi kopioida.
  • Opinnäytetiedostoa ei voi muokata.

Opinnäytteen tulostus

  • Opinnäytteen voi tulostaa itselleen henkilökohtaiseen opiskelu- ja tutkimuskäyttöön.
  • Aalto-yliopiston opiskelijat ja henkilökunta voivat tulostaa mustavalkotulosteita Oppimiskeskuksen SecurePrint-laitteille, kun tietokoneelle kirjaudutaan omilla Aalto-tunnuksilla. Väritulostus on mahdollista asiakaspalvelupisteen tulostimelle u90203-psc3. Väritulostaminen on maksullista Aalto-yliopiston opiskelijoille ja henkilökunnalle.
  • Ulkopuoliset asiakkaat voivat tulostaa mustavalko- ja väritulosteita Oppimiskeskuksen asiakaspalvelupisteen tulostimelle u90203-psc3. Tulostaminen on maksullista.
Sijainti:P1 Ark S80     | Arkisto
Avainsanat:Bayesian networks
gene regulatory network
prior information
Bayes-verkot
geenisäätelyverkko
prioritieto
Tiivistelmä (fin): Geenisäätelyverkot kuvaavat geenien välisiä vuorovaikutuksia.
Niiden oppiminen biologisesta aineistosta on vaikeaa, mutta onnistuessaan tarjoaa huomattavasti muun muassa lääkekehitykseen soveltuvaa tietoa.
Geenisäätelyverkkoja on perinteisesti opittu geeniekspressiodatasta, joka ei kuitenkaan yksinään riitä verkkorakenteiden luotettavaan päättelyyn.
Geenisäätelyverkkojen oppimista voidaan parantaa ottamalla huomioon muista tiedonlähteistä saatavaa tietämystä.

Tässä diplomityössä tunnistetaan useita biologisen tietämyksen lähteitä, joita voidaan käyttää avuksi mallinnettaessa geenisäätelyverkkoja Bayes-verkoilla.
Bayes-verkot ovat graafisia tilastollisia malleja ja yleisesti käytettyjä geenisäätelyverkkojen oppimiseen.

Koska geeniekspressiodataa on yleensä saatavilla niukasti, saattaa oppimisprosessissa löytyä monta vaihtoehtoista aineiston hyvin selittävää verkkorakennetta.
Tällöin yksittäinen verkkorakenne ei välttämättä ole kovinkaan hyvä kuvaus ratkaisusta.
Tämän takia työssä käytettiin Markov-ketju Monte Carlo menetelmää erilaisten verkkoratkaisujen etsimiseen ja mallien keskiarvoistusta ratkaisuissa toistuvien piirteiden etsintään.

Eri lähteistä saatava ns. prioritieto yhdistettiin verkkomallien oppimisprosessiin informatiivisilla rakenneprioreilla, malliavaruuden rajoitteilla ja mallien rakenteiden muokkauksilla.
Työssä esitetyt menetelmät soveltuvat muihinkin oppimismenetelmiin kunhan ne pohjautuvat verkkorakenteiden etsimiseen ja pisteyttämiseen.

Diplomityön kokeet osoittavat että ilman prioritietoa verkkorakenteiden oppiminen on epäluotettavaa.
Informatiivisen rakennepriorin ja oppimisrajoitteiden lisääminen parantavat aineistosta opittujen verkkomallien laatua.
ED:2007-01-10
INSSI tietueen numero: 32856
+ lisää koriin
« edellinen | seuraava »
INSSI