Mgr. Jiří Sedlář, Ph.D.

Mgr. Jiří Sedlář, Ph.D.

Ing. Tomáš Kalvoda, Ph.D.

Katedra aplikované matematiky

Mrtvice je jednou z hlavních příčin úmrtí a invalidity, zejména v nízkopříjmových zemích, kde je přístup k drahým trombolytikům omezený. Stafylokináza (SAK) by se potenciálně mohla stát cenově dostupnou a bezpečnější alternativou ke stávajícím trombolytikům. Její účinnost by však bylo stále potřeba zlepšit. Tato práce se zabývá využitím strojového učení při řízené evoluci za účelem zvýšení aktivity SAK. Po úvodu do klíčových biologických pojmů porovnává práce současné přístupy strojového učení. EVOLVEpro byl vybrán jako state-of-the-art přístup pro jeho účinnost při omezeném množství dat, kde využívá embeddingů generovaných pomocí proteinových jazykových modelů a aktivního učení. Byly analyzovány dvě datové sady jedna ze studie od Laroche et al. a druhá z Loschmidtových laboratoří s cílem lépe porozumět dostupným údajům. EVOLVEpro byl nejprve ověřen na svých referenčních úlohách. Larocheho datová sada byla rovněž použita k trénování modelu za účelem posouzení její vhodnosti pro předtrénování. Model však vykazoval omezenou schopnost generalizace, zejména při predikci variant s vysokou a nízkou aktivitou. Normalizace dat ani logaritmická transformace výkonnost modelu nezlepšily, pravděpodobně kvůli nevyváženému charakteru Larocheho dat. Paralelně byl navržen soubor 20 variant SAK, včetně 15 náhodně vybraných variant a 5 variant z Larocheho datové sady, všechny s mutacemi mimo rozhraní, k otestování v prvním kole řízené evoluce v Loschmidtových laboratořích.

Práce na DSpace