Srovnání klasifikátorů transponovatelných elementů založených na hlubokém učení

Transponovatelné elementy tvoří významnou část eukaryotických genomů. Jejich správná klasifikace je nezbytná pro studium evoluce a struktury genomu. U nově sekvenovaných nemodelových organismů se knihovny repetic obvykle vytvářejí de novo a velká část nalezených rodin zůstává neklasifikovaná nebo je klasifikovaná nespolehlivě. V posledních letech proto vzniká řada klasifikátorů založených na hlubokém učení. Ty se liší reprezentací sekvencí, architekturou modelu i trénovacími daty. Cílem bakalářské práce je tyto nástroje (DeepTE, TERL, Terrier) srovnat. Testovat se budou na kurátorované referenční sadě a na de novo knihovně repetic z nemodelového genomu. Hodnotit se bude přesnost klasifikace, míra neklasifikovaných sekvencí a výpočetní náročnost. Výsledkem bude doporučení vhodného postupu pro klasifikaci TE při anotaci nových genomů.

- Rešerše hierarchické klasifikace transponovatelných elementů a referenčních knihoven repetic (Dfam, Repbase). - Přehled principů klasifikátorů TE založených na hlubokém učení (DeepTE, TERL, Terrier). - Příprava testovacích dat: kurátorovaná knihovna rodin TE se známou klasifikací a de novo knihovna repetic z vybraného nemodelového genomu (RepeatModeler2/EDTA). - Instalace a spuštění vybraných nástrojů na testovacích datech a srovnání s klasifikací z RepeatModeler2. - Vyhodnocení přesnosti, F1 skóre, podílu neklasifikovaných sekvencí, shody mezi nástroji a výpočetní náročnosti. - Shrnutí výsledků a doporučení postupu pro klasifikaci de novo knihoven TE u nemodelových organismů.