OĽHA, Jaroslav, Terézia SLANINÁKOVÁ, Martin GENDIAR, Matej ANTOL a Vlastislav DOHNAL. Learned Indexing in Proteins: Extended Work on Substituting Complex Distance Calculations with Embedding and Clustering Techniques. arXiv, 2022. Dostupné z: https://dx.doi.org/10.48550/ARXIV.2208.08910.
Další formáty:   BibTeX LaTeX RIS
Základní údaje
Originální název Learned Indexing in Proteins: Extended Work on Substituting Complex Distance Calculations with Embedding and Clustering Techniques
Autoři OĽHA, Jaroslav, Terézia SLANINÁKOVÁ, Martin GENDIAR, Matej ANTOL a Vlastislav DOHNAL.
Vydání 2022.
Nakladatel arXiv
Další údaje
Originální jazyk angličtina
Typ výsledku Výzkumná zpráva
Stát vydavatele Spojené státy
Utajení není předmětem státního či obchodního tajemství
WWW URL
Organizační jednotka Fakulta informatiky
Doi http://dx.doi.org/10.48550/ARXIV.2208.08910
Klíčová slova anglicky Protein database;Embedding non-vector data;Learned metric index;Similarity search;Machine learning for indexing
Štítky DISA, learned indexing, LMI, protein structures
Příznaky Mezinárodní význam
Změnil Změnil: Mgr. et Mgr. Jaroslav Oľha, učo 348646. Změněno: 10. 1. 2023 07:51.
Anotace
Despite the constant evolution of similarity searching research, it continues to face the same challenges stemming from the complexity of the data, such as the curse of dimensionality and computationally expensive distance functions. Various machine learning techniques have proven capable of replacing elaborate mathematical models with combinations of simple linear functions, often gaining speed and simplicity at the cost of formal guarantees of accuracy and correctness of querying. The authors explore the potential of this research trend by presenting a lightweight solution for the complex problem of 3D protein structure search. The solution consists of three steps -- (i) transformation of 3D protein structural information into very compact vectors, (ii) use of a probabilistic model to group these vectors and respond to queries by returning a given number of similar objects, and (iii) a final filtering step which applies basic vector distance functions to refine the result.
Návaznosti
EF16_019/0000822, projekt VaVNázev: Centrum excelence pro kyberkriminalitu, kyberbezpečnost a ochranu kritických informačních infrastruktur
LM2018131, projekt VaVNázev: Česká národní infrastruktura pro biologická data (Akronym: ELIXIR-CZ)
Investor: Ministerstvo školství, mládeže a tělovýchovy ČR, Česká národní infrastruktura pro biologická data
LM2018140, projekt VaVNázev: e-Infrastruktura CZ (Akronym: e-INFRA CZ)
Investor: Ministerstvo školství, mládeže a tělovýchovy ČR, e-Infrastruktura CZ
MUNI/A/1195/2021, interní kód MUNázev: Aplikovaný výzkum v oblastech vyhledávání, analýz a vizualizací rozsáhlých dat, zpracování přirozeného jazyka a aplikované umělé inteligence
Investor: Masarykova univerzita, Aplikovaný výzkum v oblastech vyhledávání, analýz a vizualizací rozsáhlých dat, zpracování přirozeného jazyka a aplikované umělé inteligence
VytisknoutZobrazeno: 20. 6. 2024 02:17