You are here: University of Vienna PHAIDRA Detail o:1327476
Title (eng)
The prediction of functional bacterial secretion systems based on comparative genomics
Parallel title (deu)
Die Vorhersage funktioneller, bakterieller Sekretionssysteme, basierend auf einem Ansatz der vergleichenden Genomik
Author
Valerie Eichinger
Adviser
Thomas Rattei
Assessor
Thomas Rattei
Abstract (deu)
Bakterielle Sekretionssysteme sind wichtige Virulenzfaktoren und als solche von großem Interesse bei der Analyse von neuen Genom- oder Metagenomdaten. Da die Menge an produzierten Genomdaten stetig zunimmt, ist es von großer Wichtigkeit, eine zielgerichtete und intelligente „Hochdurchsatzmethode“ zu finden um mit der Flut an Daten umzugehen und daraus die nötige Information zu generieren. Nachdem es momentan keine Bestrebungen oder Richtlinien zur sekretionsbezogenen Genomannotation gibt, ist es umso wichtiger, dass Datenbanken, wie die Vorgestellte, ausgefeilte Werkzeuge und sorgfältig kuratierte Daten zur Verfügung stellen. Mit unserem Vorhersageansatz, basierend auf dem Konzept des maschinellen Lernens, haben wir eine computerbasierte Methode gefunden, die, mittels binärer Klassifikation, eine eindeutige Entscheidung trifft, ob ein intaktes Sekretionssystem vorliegt, oder nicht.
Abstract (eng)
Bacterial secretion systems, as crucial virulence factors, can be of major interest, when analysing new genomic or metagenomic data. As the amount of generated genomic data increases heavily, a sophisticated way of analysing (meta-) genomic sequences is of high importance. Thus, we have to find some way of a “high-throughput-analysis” for genomic data to gain information out of the cavalcade of provided data. As there is currently a lack of secretion-related genome annotation, secondary databases, as the one presented in this work, have to provide sophisticated tools and carefully curated data. Thus, we designed an approach, based on machine learning techniques. It is a computational method that uses binary classification to make a clear decision, whether there is a functional secretion system or not.
Keywords (eng)
comparative genomicsbacterial secretion systemsfunctionalmachine learningsupport vector machine
Keywords (deu)
Vergleichende Genomikbakterielle SekretionssystemeSekretionmaschinelles Lernen
Subject (deu)
Subject (deu)
Subject (deu)
Type (deu)
Persistent identifier
https://phaidra.univie.ac.at/o:1327476
rdau:P60550 (deu)
109 Seiten : Illustrationen
Number of pages
109
Members (1)
Title (eng)
The prediction of functional bacterial secretion systems based on comparative genomics
Parallel title (deu)
Die Vorhersage funktioneller, bakterieller Sekretionssysteme, basierend auf einem Ansatz der vergleichenden Genomik
Author
Valerie Eichinger
Abstract (deu)
Bakterielle Sekretionssysteme sind wichtige Virulenzfaktoren und als solche von großem Interesse bei der Analyse von neuen Genom- oder Metagenomdaten. Da die Menge an produzierten Genomdaten stetig zunimmt, ist es von großer Wichtigkeit, eine zielgerichtete und intelligente „Hochdurchsatzmethode“ zu finden um mit der Flut an Daten umzugehen und daraus die nötige Information zu generieren. Nachdem es momentan keine Bestrebungen oder Richtlinien zur sekretionsbezogenen Genomannotation gibt, ist es umso wichtiger, dass Datenbanken, wie die Vorgestellte, ausgefeilte Werkzeuge und sorgfältig kuratierte Daten zur Verfügung stellen. Mit unserem Vorhersageansatz, basierend auf dem Konzept des maschinellen Lernens, haben wir eine computerbasierte Methode gefunden, die, mittels binärer Klassifikation, eine eindeutige Entscheidung trifft, ob ein intaktes Sekretionssystem vorliegt, oder nicht.
Abstract (eng)
Bacterial secretion systems, as crucial virulence factors, can be of major interest, when analysing new genomic or metagenomic data. As the amount of generated genomic data increases heavily, a sophisticated way of analysing (meta-) genomic sequences is of high importance. Thus, we have to find some way of a “high-throughput-analysis” for genomic data to gain information out of the cavalcade of provided data. As there is currently a lack of secretion-related genome annotation, secondary databases, as the one presented in this work, have to provide sophisticated tools and carefully curated data. Thus, we designed an approach, based on machine learning techniques. It is a computational method that uses binary classification to make a clear decision, whether there is a functional secretion system or not.
Keywords (eng)
comparative genomicsbacterial secretion systemsfunctionalmachine learningsupport vector machine
Keywords (deu)
Vergleichende Genomikbakterielle SekretionssystemeSekretionmaschinelles Lernen
Subject (deu)
Subject (deu)
Subject (deu)
Type (deu)
Persistent identifier
https://phaidra.univie.ac.at/o:1327477
Number of pages
109