• A
  • A
  • A
  • АБB
  • АБB
  • АБB
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта
Версия для слабовидящихЛичный кабинет сотрудника ВШЭПоискМеню

Вычислительные методы для аннотирования данных тандемной масс-спектрометрииComputational methods for tandem mass spectrometry data annotation

Члены комитета:
Горшков Михаил Владимирович (Институт энергетических проблем химической физики им. В.Л. Тальрозе ФИЦ ХФ РАН, кандидат технических наук, кандидат физико-математических наук, председатель комитета), Гролмус Винце (Университет Этвеш Лоранд (Будапешт), Doctor of Science, член комитета), Мошковский Сергей Александрович (Российский национальный исследовательский медицинский университет имени Н.И. Пирогова , доктор биологических наук, член комитета), Онето Лука (Университет Генуи, PhD, член комитета), Хебергер Карой (Научно-исследовательский центр естественных наук (Будапешт), Doctor of Science, член комитета)
Диссертация принята к предварительному рассмотрению:
1/28/2022
Диссертация принята к защите:
2/17/2022 (Протокол №3)
Дисс. совет:
Совет по компьютерным наукам
Дата защиты:
5/19/2022
Tandem mass spectrometry has become the standard method to identify molecules and proteins in complex biological mixtures (e.g. blood drops), and the data obtained is routinely analyzed with computer programs. Roughly, 50-80% of the data cannot be annotated with high confidence due the following issues: (1) low discriminative power of the score functions, i.e. the ability to discriminate between correct and incorrect annotations, (2) raw scores are not calibrated properly and lack universal semantics, (3) incomplete candidate peptide sets, i.e. the correct peptide is not included to the reference set possibly due to a post-translational modification (PTMs), (4) noise, i.e. the mass spectrometer produces considerably amount of noise in the spectra, and (5) detector/Instrument accuracy. The dissertation presents novel computational methods to tackle down the issues 1-4 and they achieved state-of-the-art performance in data annotation at the time of their publication. Therefore, more accurate data identification and spectrum annotation can be obtained which and experimenters and practitioners can conclude correct conclusions about their experiments and to make proper decisions for future experiments or clinical therapies, for instance, in selecting the right drug therapy.
Диссертация [*.pdf, 39.44 Мб] (дата размещения 3/4/2022)
Резюме [*.pdf, 9.46 Мб] (дата размещения 3/4/2022)
Summary [*.pdf, 10.76 Мб] (дата размещения 3/4/2022)

Публикации, в которых излагаются основные результаты диссертации



Отзывы
Отзыв члена Комитета
Сведения о результатах защиты:
Комитет по диссертации рекомендовал присудить ученую степень доктора компьютерных наук (протокол № 2 от 19.05.2022). Решением диссертационного совета (протокол № 7 от 26.05.2022) присуждена ученая степень доктора компьютерных наук.
См. на ту же тему

Обучение генеративных вероятностных моделей для распознавания данных масс-спектрометрииКандидатская диссертация

Соискатель: Сулимов Павел Андреевич
Руководитель: Кертес-Фаркаш Аттила
Дата защиты: 9/9/2020