ПО для распознавания вторичных структур ДНК, связанных с эпигенетическими факторами, методами машинного обучения

Целью данной выпускной квалификационной работы является разработка исследовательского программного(ПО) обеспечения для распознавания паттернов, позволяющего выявить корреляцию между вторичными структурами ДНК и эпигенетическими факторами, методами машинного обучения для кластеризации “без учителя”. Разработанное ПО будет использоваться учеными биологами как инструмент в исследовании вторичных структур ДНК человек. В работе так же были проанализированы алгоритмы классификации и исследованы зависимости характеристик, обучающих данных с прогнозируемой способностью методов. Наилучший алгоритм классификации был выбран и встроен в ПО для решения задач классификации. В этой научно-исследовательской работе для анализа наборов данных и классификатора шаблонов использовались библиотеки Pandas, NumPy, LightGBM, Sklearn, Scikit-learn и Matplotlib. Возможности программы:  Нахождение областей корреляции между вторичными структурами ДНК и их эпигенетическими факторами.  Вывод результата в графической форме.  Возможность создания пользователем кластеризации.  Создание модели классификации.  Нахождение паттернов.  Создание файла отчета. На первом этапе работы была произведена подготовка данных для дальнейшего анализа. На втором этапе была написана кроссплатформенное приложение, с помощью которого были найдены закономерности, а также посчитана корреляция между ними. Высоко коррелирующие участки вошли в основу обучающей выборки, в которой посчитаны 84 параметра для каждого гена в участке. Алгоритмы классификации были построены на основе матрицы признаков из 84 посчитанный параметров. Также был написан пользовательский интерфейс для удобства работы с программой. Весь вычислительный код написан на Python, а пользовательский интерфейс был создан с помощью библиотеки Tkinter. Объём отчёта по выпускной квалификационной работе, не включая приложения, составляет – 59 страниц. Количество таблиц в работе – 13, иллюстраций – 43, использованных источников – 32.