Ανάλυση Δεδομένων Διαφορικής Έκφρασης Γονιδίων με Χρήση Κοντέινερ και Αλγορίθμων Μηχανικής Μάθησης
Η ανάπτυξη προγραμμάτων που μπορούν εύκολα να γίνουν αναπαραγωγίσιμα από διάφορους αρμόδιους χωρίς να χρειαστεί μεγάλος κόπος για την εγκατάσταση λογισμικών καθώς και εξαρτήσεων τους υπήρξε ζωτικής σημασίας στον τομέα της Επιστήμης των Υπολογιστών. Προγραμματιστές και ερευνητές που συνεργάζονται εξ αποστάσεως πραγματοποιούν επίπονες προσπάθειες για να συμβαδίζουν μεταξύ τους κατά την εκπόνηση συγκεκριμένων έργων. Ταυτόχρονα, εξίσου σημαντική είναι η παροχή συστημικής γνώσης με χρήση αυτοματοποιημένων διαδικασιών. Ερευνητές χαραμίζουν αρκετό από τον πολύτιμο χρόνο τους για την εκτέλεση διαδικασιών εκτός του φάσματος εργασίας τους καθώς και την ανάκτηση των αποτελεσμάτων την στιγμή που θα έπρεπε να παρέχουν τις γνώσεις τους για την ακριβή εξαγωγή χρήσιμων συμπερασμάτων. Η παρούσα διπλωματική επιχειρεί την ανάπτυξη μεθόδων που βοηθούν στα ακριβώς παραπάνω προβλήματα. Συγκεκριμένα: • Με χρήση της τεχνολογίας Docker παρέχεται η δυνατότητα εκτέλεσης κύριων RNA Sequencing Pipelines με αυτοματοποιημένο τρόπο επιστρέφοντας ταυτόχρονα χρήσιμα αποτελέσματα. • Επιχειρείται η ανάπτυξη αλγορίθμων που αποσκοπούν στην ενοποίηση των αποτελεσμάτων που παρέχονται από διαφορετικά εργαλεία ανάλυσης γονιδιώματος καθώς και η χρήση μοντέλων μηχανικής μάθησης για την δημιουργία αξιόπιστων προβλεπτών με στόχο την ασφαλή κατηγοριοποίηση της διαφορικής έκφρασης των γονιδίων. • Με χρήση της βιβλιοθήκης Shiny App δημιουργείται ένα φιλικό προς το χρήστη εργαλείο το οποίο και του επιτρέπει να αλληλεπιδράσει με τα αποτελέσματα και να χρησιμοποιήσει τους παραπάνω αλγορίθμους διαδραστικά.
Μαρία - Χριστίνα Μάνιου
Ανάπτυξη Αλγορίθμου Συσχέτισης Χρωμοσωμικών Τοποθεσιών με Λειτουργικές Βιολογικές Διεργασίες Μέσω Χρήσης Δεδομένων Μεγάλης Κλίμακας
Οι πειραματικές μέθοδοι υψηλής απόδοσης (HTS) συνεχίζουν να βελτιώνονται και να γίνονται πιο προσιτές, αυξάνοντας ολοένα και περισσότερο τον όγκο των διαθέσιμων πληροφοριών στην επιστήμη της Βιοπληροφορικής. Ο συνδυασμός των αποθηκευμένων σε δημόσιες βάσεις δεδομένων βιολογικών γνώσεων με αυτές του εξεταζόμενου σετ δεδομένων έχει αποδειχτεί αποτελεσματικός στην προσπάθεια εξαγωγής χρήσιμων συμπερασμάτων σχετικά με τις λειτουργικές βιολογικές διεργασίες των δεδομένων.
Στην παρούσα διπλωματική εργασία υλοποιείται ένας αλγόριθμος συσχέτισης χρωμοσωμικών τοποθεσιών με λειτουργικές βιολογικές διαδικασίες με έμφαση στη λειτουργικότητα των TADs. Αυτό επιτυγχάνεται με τον εμπλουτισμό του σετ δεδομένων με χαρακτηριστικά (GO Terms, KEGG Pathways, TFs) από εξωτερικές βάσεις δεδομένων και την εφαρμογή στατιστικών μεθόδων εύρεσης των σημαντικών αποτελεσμάτων. O αλγόριθμος υλοποιεί τρία σενάρια ανάλυσης και εμπλουτισμού. Με αυτόν τον τρόπο, πραγματοποιείται μια συγκεντρωτική ανάλυση του σετ δεδομένων και ταυτόχρονα εξερευνείται η σημασία των TADs ως λειτουργικών περιοχών στο ανθρώπινο γονιδίωμα με το διαμοιρασμό όρων κοντινών βιολογικών διεργασιών σε αυτά. Ο αλγόριθμος εφαρμόστηκε σε ένα πραγματικό σετ βιολογικών δεδομένων μεγάλης κλίμακας και επιβεβαιώθηκε η λειτουργία του.
Σχετικά με τη δομή της διπλωματικής, αρχικά, παρουσιάζονται βασικές αρχές που αφορούν τη Βιοπληροφορική, κάποιους βιολογικούς όρους και την επιστήμη της Στατιστικής, οι οποίες είναι χρήσιμες για την κατανόηση της διαδικασίας που πραγματοποιείται. Στη συνέχεια, παρατίθεται βήμα προς βήμα η αυτοματοποιημένη ροή διεργασίας που υλοποιήθηκε και τέλος παρουσιάζονται τα αρχεία εξόδου που δημιουργήθηκαν.
Ο αλγόριθμος που έχει σχεδιαστεί μαζί με ένα ενδεικτικό σετ δεδομένων εισόδου και τα αναμενόμενα αρχεία εξόδου είναι διαθέσιμα στον παρακάτω σύνδεσμο: https://github.com/mcmaniou/enrichment-analysis-perTADs
Μελπομένη Σεράκη
Σχεδίαση και Ανάπτυξη Λογισμικού με Στόχο τη Βελτιστοποίηση Ανάλυσης Βιοδεδομένων Μεγάλης Κλίμακας με Χρήση k-mers
Η πρόοδος της τεχνολογίας των υπολογιστών επιτρέπει την προσπάθεια ανάλυσης µέρους των προβλημάτων που προκύπτουν στον τομέα της µοριακής βιολογίας. Λόγω της αύξησης της υπολογιστικής δύναμης και κυρίως της αναπτυγμένης τεχνολογίας των γραφικών, είναι δυνατή η απεικόνιση των διαμορφώσεων της δομής των βιολογικών µορίων στην οθόνη του υπολογιστή. Ακόμα γίνονται προσπάθειες για τη δημιουργία αλγοριθμικών μεθόδων για την παραγωγή µοριακών δομών µε βάση τα ακολουθιακά δεδομένα. Ο μεγάλος αριθμός δεδομένων που μεταφράζονται στην επιστήμη της µοριακής βιολογίας και ειδικότερα στον τομέα της ακολουθιοποίησης του γονιδιώµατος (δηλαδή της αλληλουχίας του DNA) αποτελεί μεγάλη πρόκληση για τους επιστήμονες του σχεδιασμού και της ανάλυσης αλγορίθμων. Συγκεκριμένα διευκολύνεται η αναζήτηση λύσεων σε προβλήματα όπως είναι η αναγνώριση γονιδίων, ο καθορισμός της δομής των κωδικοποιημένων πρωτεϊνών, η ανακάλυψη των μηχανισμών µε τους οποίους οι πρωτεΐνες εκτελούν τη βιολογική λειτουργία τους, η απόκτηση γνώσης για το ρόλο των µη κωδικοποιημένων περιοχών του DNA στη μορφολογία και έκφραση των γονιδίων. Η παρούσα διπλωματική εργασία εστιάζει στη σχεδίαση λογισμικού για την βελτιστοποίηση των παραμέτρων περιγραφής του γενετικού υλικού κάθε οργανισμού μέσω της ανάλυσης k-mers. Η ανάλυση k-mers (υποσυμβολοσειρά μήκους k σε δεδομένα αλληλουχίας DNA) είναι ένα βασικό συστατικό πολλών μεθόδων στη βιοπληροφορική, συμπεριλαμβανομένης της συναρμολόγησης γονιδιώματος και μεταγραφώματος, για μεταγονιδιωματική αλληλουχία και για διόρθωση σφαλμάτων των ενδείξεων αλληλουχίας. Για αυτό το λόγο, πραγματοποιείται η ανάπτυξη ενός αλγορίθμου ικανού να \\\'κόβει\\\' το γενετικό υλικό στα χαρακτηριστικά k-mers του δείγματος για διάφορες τιμές k και να μπορεί να μοντελοποιήσει αυτή την πληροφορία σε δεδομένα περιγραφής για κάθε ακολουθία. Στη συνέχεια, τα μοντέλα που δημιουργούνται, χρησιμοποιούνται σε αλγορίθμους μηχανικής μάθησης για την αξιολόγηση κάθε τιμής του k ώστε να γίνει επιλογή του βέλτιστου k. Ο αλγόριθμος που αναπτύσσεται αποτελεί μια πρωτοφανή και πολλά υποσχόμενη προσέγγιση τόσο στο πρόβλημα διαχωρισμού των οργανισμών σε δεδομένα μεταγνιδιωματικής, όσο και στη μελέτη των μεταβολών στις κατανομές των k-mers καθώς η τιμή k μεταβάλλεται σε ένα εύρος τιμών.
Ο προσδιορισμός αξιόλογων πρωτεϊνικών ομάδων αποτελούσε πάντα έναν από τους κύριους τομείς της δομικής και λειτουργικής γονιδιωματικής. Η αποτελεσματική ομαδοποίηση των πρωτεϊνών μπορεί να οδηγήσει σε σημαντικά συμπεράσματα και πληροφορίες που αφορούν τόσο την κατανόηση της εξελικτικής ιστορίας των αντίστοιχων μορίων όσο και τον προσδιορισμό πιθανών λειτουργιών και αλληλεπιδράσεων των νέων ακολουθιών. Στην παρούσα διπλωματική εργασία προτείνεται ένας αλγόριθμος ομαδοποίησης για ακολουθίες ίδιου μήκους, ο οποίος οδηγεί στην δημιουργία ιεραρχικών ομάδων και διευκολύνει τον προσδιορισμό προτύπων μεταξύ των ομάδων αυτών. Ο προτεινόμενος αλγόριθμος εφαρμόστηκε σε πραγματικά δεδομένα που περιείχαν κλωνοτυπικές ανοσοσφαιρίνες (IG) από ασθενείς που πάσχουν από χρόνια λεμφοκυτταρική λευχαιμία (CLL) με αρκετά ελπιδοφόρα αποτελέσματα. Αρχικά, παρουσιάζονται τα βασικά στοιχεία γύρω από την βιοπληροφορική και τις πρωτεΐνες, τα οποία είναι απαραίτητα για την κατανόηση του θέματος. Επιπλέον, γίνεται αναφορά στις μετρικές, τα στατιστικά στοιχεία και τις δομές που χρησιμοποιήθηκαν για την ανάπτυξη του αλγορίθμου. Στη συνέχεια, παρατίθεται η περιγραφή του προτεινόμενου αλγόριθμου ιεραρχικής ομαδοποίησης, των τεχνικών οπτικοποίησης των αποτελεσμάτων και της εφαρμογής που αναπτύχθηκε για μια πιο διαδραστική και φιλική προς τον χρήστη μορφή του εργαλείου. Η Shiny εφαρμογή είναι διαθέσιμη στο σύνδεσμο https://github.com/fpsom/CDR3-HClust/tree/master/CDR3%20Final. Ακολουθούν τα αποτελέσματα της εφαρμογής του αλγορίθμου και η σύγκρισή τους με αντίστοιχα αποτελέσματα άλλων αλγορίθμων. Η εργασία ολοκληρώνεται με την παράθεση των συμπερασμάτων και των μελλοντικών βελτιώσεων που μπορούν να επιτευχθούν.
Διονύσης Θεοδωρόπουλος
Βελτιστοποίηση Πολυζωνικών Τιμολογιών Ηλεκτροκής Ενέργειας με Χρήση Φίλτρων Σωματιδίων
Ιφιγένεια Θεοδωρίδου
Αναγνώριση Γεγονότων σε Μεγάλες Συλλογές Εικόνων
Η παρούσα διπλωματική εργασία έχει ως θέμα την αναγνώριση γεγονότων σε συλλογές εικόνων. Στο πρόβλημα της αναγνώρισης γεγονότων μεγαλύτερη πρόκληση αποτελεί η εύρεση μίας μετρικής ομοιότητας για τον εντοπισμό εικόνων που αναφέρονται στο ίδιο γεγονός. Δεδομένης μίας καλής μετρικής ομοιότητας μεταξύ εικόνων, εφαρμόζοντας έναν αποδοτικό αλγόριθμο ομαδοποίησης μπορούν να επιτευχθούν καλά αποτελέσματα στο συνολικό πρόβλημα. Η παρούσα διπλωματική εργασία εστιάζει στην εύρεση μίας μετρικής ομοιότητας για τον εντοπισμό εικόνων που αναφέρονται στο ίδιο γεγονός, αξιοποιώντας το κείμενο που συνοδεύει τις εικόνες. Σαν πρώτο βήμα επιχειρείται η διανυσματική αναπαράσταση του κείμενου μιας εικόνας στην οποία κωδικοποιούνται τα σημασιολογικά χαρακτηριστικά και η συντακτική δομή του κειμένου. Στη συνέχεια εκτιμάται κατά πόσο δυο εικόνες αφορούν στο ίδιο γεγονός με βάση τις αντίστοιχες αναπαραστάσεις. Για την διανυσματική αναπαράσταση ενός κειμένου απαιτείται αφενός η αναπαράσταση των λέξεων που το απαρτίζουν, καθώς αυτές αποτελούν τα δομικά στοιχεία του. Αφετέρου, απαιτείται η συνένωση των επιμέρους λέξεων σε μια συνολική διανυσματική αναπαράσταση. Στην παρούσα εργασία για την αναπαράσταση των λέξεων ως διανύσματα (word embeddings) χρησιμοποιήθηκε το μοντέλο word2vec που βασίζεται στην χρήση ενός τεχνητού νευρωνικού δικτύου για την εκμάθηση ενός γλωσσικού μοντέλου. Στη συνέχεια, για την συνένωση διανυσματικών λέξεων σε επίπεδο κειμένου, χρησιμοποιήθηκαν αρκετές τεχνικές βασισμένες επίσης σε διαφορετικές αρχιτεκτονικές νευρωνικών δικτύων. Στα πλαίσια της παρούσας διπλωματικής εργασίας ερευνώνται μοντέλα που βασίζονται σε συνελικτικά νευρωνικά δίκτυα (CNNs) και νευρωνικά δίκτυα επανάληψης (RNN) καθώς και σε συνδυασμό αυτών. Αξίζει να σημειωθεί ότι η εκμάθηση της αναπαράστασης ενός κειμένου γίνεται ταυτόχρονα με την ταξινόμηση δυο κειμένων καθώς όλες οι παραλλαγές των νευρωνικών δικτύων που χρησιμοποιούνται έχουν σαν είσοδο ένα ζεύγος εικόνων και έξοδο το κατά πόσο το ζεύγος αυτό αναφέρεται σε κοινό γεγονός. Για να αξιολογηθεί η αποτελεσματικότητα των μοντέλων λαμβάνεται η ακρίβεια της ταξινόμησης. Η εκπαίδευση και αξιολόγηση των μοντέλων έγινε χρησιμοποιώντας τα σύνολα δεδομένων του διαγωνισμού MediaEval Social Event Detection (SED) κατά τα έτη 2013 και 2014. Σύμφωνα με τα αποτελέσματα ο συνδυασμός των αρχιτεκτονικών CNN και RNN επιφέρει μεγάλη απόδοση στην αναγνώριση γεγονότων στα ζεύγη των εικόνων, αν και όλες οι παραλλαγές που προτείνονται έχουν συγκρίσιμη απόδοση.
Βασιλική Στρουθοπούλου
Έξυπνο Σύστημα Ανάλυσης Δεδομένων και Παροχής Υπηρεσιών για Φωτοβολταϊκά Πάνελ
Στις μέρες μας, η ανάγκη για εξοικονόμηση ενεργειακών πόρων, οικονομικών πόρων αλλά και μείωση ρύπων, έχει οδηγήσει στην ανάπτυξη των Έξυπνων Δικτύων. Τα Έξυπνα Δίκτυα εκσυγχρονίζουν τα Δίκτυα με μια σειρά Έξυπνων τεχνολογιών που στοχεύουν στην καλύτερη διαχείριση της ηλεκτρικής ενέργειας. Η καλύτερη διαχείριση σημαίνει επαρκής κι όχι πλεονάζουσα παραγωγή, σωστή διανομή, αξιόπιστη παροχή, οικονομική κατανάλωση και αποθήκευση ενέργειας. Η οικιακή κατανάλωση καταλαμβάνει σημαντικό μερίδιο της συνολικής κατανάλωσης μίας χώρας. Επομένως, η λεπτομερής πληροφόρηση της ηλεκτρικής κατανάλωσης των οικιακών φορτίων είναι απαραίτητη για τη διαχείριση της ζήτησης και τη βελτιστοποίηση παροχής, τόσο για τους διαχειριστές του Δικτύου όσο και για τους καταναλωτές. Μία σημαντική μείωση στην ενεργειακή σπατάλη μπορεί να επιτευχθεί μέσω της Άμεσης παρακολούθησης Φορτίου (ALM – Appliance Load Monitoring) κι ενημέρωση των καταναλωτών σχετικά με αυτήν. Οι καταναλωτές μπορούν να ενημερώνονται για την κατανάλωση κάθε συσκευής και την επίδρασή της στη συνολική κατανάλωση. Με αυτόν τον τρόπο μαθαίνουν να διαχειρίζονται καλύτερα την κατανάλωση προς όφελος δικός τους και του Δικτύου. Προς αυτό το σκοπό πολλές έρευνες γίνονται για τους τρόπους ευαισθητοποίησης, ενημέρωσης και εκπαίδευσης των καταναλωτών. Συστήματα παροχής συμβουλών μπορούν να επιταχύνουν και να βελτιώσουν αυτή τη διαδικασία. Σκοπός της παρούσας διπλωματικής εργασίας είναι η κατασκευή ενός τέτοιου συμβουλευτικού συστήματος. Πιο συγκεκριμένα, στόχος του συστήματος είναι η παροχή ενημερώσεων, συμβουλών και προτάσεων στον καταναλωτή σε σχέση με την παραγωγή ενέργειας της εγκατάστασης φωτοβολταϊκού συστήματος που διαθέτει. Το εμπόδιο που συναντά η υλοποίηση είναι η δυσκολία υπολογισμού της παραγωγής καθώς το σύστημα λαμβάνει μία χρονοσειρά της συνολικής κατανάλωσης του σπιτιού, που είναι το αθροιστικό αποτέλεσμα παραγωγής και κατανάλωσης. Η υλοποίηση προτείνει μία μέθοδο εκτίμησης της παραγωγής και στη συνέχεια υπολογίζει την καθαρή κατανάλωση. Σε αυτά τα αποτελέσματα εφαρμόζει μία σειρά υπολογιστικών μεθόδων για την εξαγωγή χρήσιμων συμπερασμάτων σε σχέση με την παραγωγή, την κατανάλωση, την απόδοση της εγκατάστασης και τους εξωτερικούς παράγοντες επίδρασης της απόδοσής της. Στο τέλος αυτά τα συμπεράσματα συγκεντρώνονται και παρουσιάζονται κατάλληλα στους καταναλωτές για την καλύτερη κατανόηση λειτουργίας της εγκατάστασης και την πιο αποτελεσματική αξιοποίησή της. Η μέθοδος παρουσιάζει σημαντικά περιθώρια επεκτασιμότητας και βελτίωσής.
2017
Άγγελος Καλτσίκης
Παράλληλη υλοποίηση του αλγορίθμου MCL με χρήση πόρων του Cloud (εφαρμογή σε μεγάλης κλίμακας ομαδοποίηση πρωτεϊνών)
Εύα Κόττα
Σύστημα ημι - αυτόματης αντιστοίχισης απαιτήσεων λογισμικού σε οντολογία
Βασίλειος Χούτας
Ανάπτυξη Αυτόμονων Πρακτόρων με Χρήση Προσαρμοστικών Μηχανισμών Εστίασης και Βαθέων Νευρωνιών Δικτύων
