2022
Learned Indexing in Proteins: Substituting Complex Distance Calculations with Embedding and Clustering Techniques
OĽHA, Jaroslav, Terézia SLANINÁKOVÁ, Martin GENDIAR, Matej ANTOL, Vlastislav DOHNAL et. al.Základní údaje
Originální název
Learned Indexing in Proteins: Substituting Complex Distance Calculations with Embedding and Clustering Techniques
Autoři
OĽHA, Jaroslav (703 Slovensko, domácí), Terézia SLANINÁKOVÁ (703 Slovensko, domácí), Martin GENDIAR (703 Slovensko, domácí), Matej ANTOL (703 Slovensko, domácí) a Vlastislav DOHNAL (203 Česká republika, garant, domácí)
Vydání
1. vyd. Cham, Similarity Search and Applications, 15th International Conference, SISAP 2022, Bologna, Italy, October 5–7, 2022, Proceedings, od s. 274-282, 9 s. 2022
Nakladatel
Springer Cham
Další údaje
Jazyk
angličtina
Typ výsledku
Stať ve sborníku
Obor
10200 1.2 Computer and information sciences
Stát vydavatele
Švýcarsko
Utajení
není předmětem státního či obchodního tajemství
Forma vydání
tištěná verze "print"
Odkazy
Impakt faktor
Impact factor: 0.402 v roce 2005
Kód RIV
RIV/00216224:14330/22:00126460
Organizační jednotka
Fakulta informatiky
ISBN
978-3-031-17848-1
ISSN
UT WoS
000874756300022
Klíčová slova anglicky
Protein database;Embedding non-vector data;Learned metric index;Similarity search;Machine learning for indexing
Příznaky
Mezinárodní význam, Recenzováno
Změněno: 16. 8. 2023 13:25, RNDr. Pavel Šmerk, Ph.D.
Anotace
V originále
Despite the constant evolution of similarity searching research, it continues to face 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 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 VaV |
| ||
LM2018131, projekt VaV |
| ||
LM2018140, projekt VaV |
| ||
MUNI/A/1195/2021, interní kód MU |
|