Chắt lọc tri thức từ góc nhị diện của cấu trúc 3D và ứng dụng dự đoán tương tác của TCR-Peptide
Luận văn · Thạc sĩ · năm 2025 · đề tài tham khảo
| Loại tài liệu | Luận văn |
|---|---|
| Bậc học | Thạc sĩ |
| Ngành | Công nghệ thông tin |
| Tác giả | Phạm Nguyễn Mỹ Diễm |
| Người hướng dẫn | Nguyễn Đình Thúc; Giang Hoa |
| Cơ sở đào tạo | Đại học Quốc gia TP. Hồ Chí Minh |
| Năm | 2025 |
| Nguồn | Thư viện số Đại học Quốc gia TP. Hồ Chí Minh · trang gốc |
Tóm tắt
Mô hình epiTCR-KDA giới thiệu một hướng tiếp cận mới trong dự đoán liên kết giữa thụ thể tế bào T (TCR) và p eptide bằng cách tích h ợp gó c nhị diện như một đặc trưng cấu trúc. Khác với các mô hình truyền thống chỉ dựa vào trình tự chuỗi, epiTCR-KDA khai thác các góc xoay ϕ (phi) và ψ (psi) để mô tả không gian cấu trúc của tương tác TCR-peptide, giúp cải thiện độ chính xác, đặc biệt trên dữ liệu chưa được học. Mô hình áp dụng phương pháp chắt lọc tri thức (Knowledge Distillation - KD), trong đó mạng giáo viên (teacher model) học các mối quan hệ không gian phức tạp và chuyển giao tri thức này sang mạng học sinh (student model) đơn giản hơn, giúp tăng khả năng tổng quát hóa của mô hình. Được huấn luyện trên tập dữ liệu gồm 1.6 triệu cặp TCR-peptide, epiTCR-KDA vượt trội hơn các phương pháp hiện có, đạt AUC = 0.91 trên dữ liệu chưa được học. Bằng cách kết hợp kiến thức cấu trúc với mô hình học sâu tiên tiến, epiTCR-KDA mở ra tiềm năng ứng dụng rộng rãi trong miễn dịch trị liệu cá nhân hóa và điều trị ung thư dựa trên neoantigen, tiến gần hơn đến các chiến lược miễn dịch chính xác và hiệu quả hơn.
Bản toàn văn lưu tại thư viện Đại học Quốc gia TP. Hồ Chí Minh
Thông tin và tóm tắt ở trên lấy từ kho số mở của thư viện trường. Bản toàn văn do thư viện trường quản lý — có nơi cho đọc trực tuyến, có nơi cần tài khoản bạn đọc của trường.
Mở tại thư viện trường ↗
Dùng tài liệu tham khảo cho đúng
- Đọc để hiểu cách người trước đặt câu hỏi, chọn phương pháp, trình bày số liệu — rồi tự làm với dữ liệu và bối cảnh của bạn.
- Ý, số liệu, bảng biểu lấy từ tài liệu này phải trích dẫn (tác giả, năm, tên đề tài, cơ sở đào tạo).
- Đề tài trùng tên vẫn làm được nếu khác đơn vị khảo sát, thời gian hoặc cách tiếp cận — nêu rõ điểm khác trong phần mở đầu.
Hướng dẫn chọn đề tài, cấu trúc và số liệu cho ngành này: Luận văn công nghệ thông tin · Hỏi đáp từng chương với người hướng dẫn số: Học Giả Số · Công cụ số: Luận Văn Số.
Đề tài cùng ngành
- Xây dựng hệ thống dự báo giá và khuyến nghị giao dịch mua bán tiền mã hóa
- Machine learning based CLI tool for CI/CD log analysis and root cause detection
- Phát triển hệ thống Quản lý Đặt quà tặng tại các khu du lịch, triển khai trên môi trường di động và Web
- Xây dựng website học ngôn ngữ tích hợp AI
- Phát hiện mã độc Android chưa biết dựa trên đặc trưng tĩnh đa hướng bằng mạng nơ-ron sâu
- Phát hiện hành động trong video
- Đo độ ngọt cà chua bi sử dụng quang phổ cận hồng ngoại và mô hình học máy
- Techniques for assisting intelligent interaction with objects in virtual environments
Tác giả muốn gỡ, sửa thông tin hoặc bổ sung bản toàn văn: gửi yêu cầu qua trang Liên hệ, kèm đường dẫn trang này.