20.500.12556/RUL-172557 Napovedovanje optičnih lastnosti fluorescenčnih molekul za detekcijo fibril amiloida b s strojnim učenjem Machine Learning-Based Prediction of Optical Properties of Fluorescent Molecules for Amyloid b Fibril Detection Fluorescenčne molekulske sonde z emisijo v bližnjem infrardečem področju predstavljajo obetavno diagnostično metodo za detekcijo agregatov amiloida b, biomarkerjev, značilnih za Alzheimerjevo bolezen. Ker so priprava kot tudi meritve optičnih lastnosti takih molekul zamudne in drage, bi bilo zato učinkovito, če bi na podlagi strukture molekule znali napovedati, kakšne bi bile optične lastnosti teh spojin v stiku z agregati amiloida b, s čimer bi zmanjšali število nepotrebnih sintez in karakterizacij molekul. V diplomski nalogi smo se tako osredotočili na napovedovanje treh optičnih lastnosti, in sicer: i) absorpcijskega maksimuma, ii) emisijskega maksimuma ter iii) amplifikacije fluorescence ob vezavi izbrane fluorescenčne molekule na fibrile amiloida b. Pri tem smo uporabili različne numerične predstavitve molekul in metode strojnega učenja. Ugotovili smo, da valovne dolžine absorpcijskih in emisijskih maksimumov negativno korelirajo s kemijsko trdoto. Z analizo pomembnosti značilk pri napovedovanju amplifikacije z naključnim gozdom smo identificirali podstrukturo s povprečno visoko aktivnostjo. Fluorescent molecular probes with emission in the near-infrared region represent a promising diagnostic method for detecting amyloid b aggregates, biomarkers characteristic of Alzheimer’s disease. Since both the preparation and measurement of the optical properties of such molecules are timeconsuming and costly, it would be highly efficient if one could predict the optical properties of these compounds in contact with amyloid b aggregates based on their molecular structure, thereby reducing the number of unnecessary syntheses and characterizations. In this thesis, we focused on predicting three optical properties, namely: i) absorption maximum, ii) emission maximum, and iii) fluorescence amplification upon binding of the selected fluorescent molecule to amyloid b fibrils. For this purpose, we employed various numerical representations of molecules and machine learning methods. We found that the wavelengths of the absorption and emission maxima negatively correlate with chemical hardness. Furthermore, feature importance analysis with the random forest model revealed a substructure consistently associated with high activity. strojno učenje amiloid β fluorescenčne molekulske sonde optične lastnosti linearna regresija naključni gozd machine learning amyloid β fluorescent molecular probes optical properties linear regression random forest true false false Slovenski jezik Angleški jezik Diplomsko delo/naloga 2025-09-08 14:20:12 2025-09-08 14:20:17 2025-10-15 04:05:37 0000-00-00 00:00:00 2025 0 0 0000-00-00 NiDoloceno NiDoloceno NiDoloceno 0000-00-00 0000-00-00 0000-00-00 37990 249256707 Strazisar_Luka_-_Napovedovanje_opticnih_lastnosti_fluorescencnih_molekul_za_detekcijo_fibril_ami.pdf Strazisar_Luka_-_Napovedovanje_opticnih_lastnosti_fluorescencnih_molekul_za_detekcijo_fibril_ami.pdf 1 383B461A66DBE79658882962659E0E8F 60fb5b67ec829c78b07c44aa4664334938c421ad1baf844047e02dd8f1beabc2 05b20af5-8cae-11f0-9328-0050569b8976 https://repozitorij.uni-lj.si/Dokument.php?lang=slv&id=216394 Fakulteta za računalništvo in informatiko 0 0 0