Student Lazar Erdeljan je u četvrtak, 28. decembra 2023. godine odbranio svoj master rad na temu PyTorchimplementacija neuralne mreže za predviđanje interakcija između gena koristeći genske embedinge pred mentorom dr Goranom Rakočevićem i članovima komisije dr Nemanjom Ilićem i dr Zoranom Babovićem.
U uvodu svog rada Lazar je istakao:
Analiza ekspresije gena je ključni aspekt razumevanja molekularnih mehanizama koji leže u osnovi različitih bioloških procesa. Pojava tehnologija visoke propusnosti dovela je do generisanja ogromne količine podataka o ekspresiji gena, što zahteva sofisticirane računarske metode za analizu. Jedna takva metoda je ugrađivanje gena, što je distribuirana reprezentacija gena zasnovana na koekspresiji. Ugrađivanje gena je uspešno primenjeno u obradi prirodnog jezika (NLP) za reprezentaciju reči, a nedavne studije su pokazale njegov potencijal za analizu genske ekspresije. Ugrađivanje gena može uhvatiti funkcionalnu srodnost gena i oporaviti poznate puteve, što ga čini obećavajućim pristupom za prediktivno modeliranje interakcija gen-gen.
…
Na kraju, PyTorch implementacija GGIPNN-a je bila zanimljivo istraživanje u oblasti generativnih modela. Ova teza je istražila zamršenu arhitekturu GGIPNN-a i njegov potencijal u otkrivanju složenih interakcija između gena.
Ukratko, PyTorch implementacija GGIPNN-a demonstrira svoj potencijal kao robusnog framework-a za modeliranje interakcija gena. Kroz sistematsku evaluaciju i eksperimentisanje, ovo istraživanje je pokazalo sposobnost GGIPNN-a da predvidi i karakteriše zamršene odnose između gena kao i efikasnost upotrebe gene2vec ugrađivanja za ovakve zadatke. – zaključio je Lazar.
Fotografije sa odbrane dostupne su u galeriji.