Auto-Encoding Amino Acid Sequences with LSTM
Abstrakt
In this thesis a sequence to sequence autoencoder for amino acid sequences is constructed. The latent representation of the autoencoder is then used to classify the amino acid sequences according to their animal kingdom. The data consists of sequences from three different kingdoms, mammals, fish and birds. The thesis includes the preprocessing necessary for the data, the construction of the sequence to sequence autoencoder and the process of classification in the latent space.
Kolekce
Související záznamy
Zobrazují se záznamy příbuzné na základě názvu, autora a předmětu.
-
Posloupnosti a řady (nejen) ve slovních úlohách
Fiřtová, Petra (Jihočeská univerzita, 2013)Práce obsahuje sbírku úloh na posloupnosti a číselné řady na středních školách. Tato problematika je velice rozsáhlá a práce se převážně zaměřuje na využití posloupností a řad ve slovních úlohách, které jsou tématicky ... -
Effects of hyperparameters in multiple sequence alignment for Align-RUDDER using Clustal
Samwald, Christian (Jihočeská univerzita, 2021)Delayed rewards are detrimental to the learning of reinforcement learning agents.One approach to this problem is the usage of return decomposition and rewardredistribution. It was realised in the Align-RUDDER algorithm of ... -
Evolutionary dynamics of satellite DNA in plant genomes
Ávila Robledillo, Laura (Jihočeská univerzita, 2021)Satellite DNA (satDNA) belongs to the highly repetitive fraction of eukaryotic genomes. It is best characterized by the formation of long arrays of almost identical sequences that are tandemly repeated. These repeats are ...