20.500.12556/RUL-183938 Uporaba globokih genomskih modelov za taksonomsko klasifikacijo Using deep genomic models for taxonomic classification V magistrski nalogi smo se spopadali s problemom klasifikacije genomskih zaporedij Tobamovirusa. Tobamovirus je rastlinski RNA-virus, ki hitro mutira in lahko povzroči veliko gospodarsko škodo. V nalogi smo želeli nadgraditi obstoječi sistem klasifikacije Tobamovirusov, predvsem z vidika hitrosti delovanja in lažje uporabe, ter hkrati izboljšati klasifikacijsko točnost. Med pripravo naloge smo uspeli razviti postopek ter več vsebnikov za učenje globokih genomskih modelov v visokozmogljivi računalniški gruči. Obsežno smo testirali delovanje dveh modelov, DNABERT-2 in DNABERT-S. Kljub dobrim rezultatom med učenjem, DNABERT-2 ni dovolj dobro posploševal pri klasifikaciji genomskih zaporedij Tobamovirusa. Rezultati na končni testni množici podatkov so bili slabi. Najbolj uspešna izvedenka modela DNABERT-2 je dosegla vrednost ROC AUC 0,58, kar ni dovolj za nadaljnjo uporabo. DNABERT-S, ki je zgrajen za razločevanje med vrstami, pa je dosegel boljše rezultate. V najboljših primerih je bila njegova natančnost relativno spodbudna in primerna za nadaljnje raziskave. Najbolj uspešen model DNABERT-S je dosegel vrednost ROC AUC 0,77. Delovanje modela DNABERT-S je nepredvidljivo, kar preprečuje, da bi ga lahko uporabili kot nadomestilo trenutnemu sistemu klasifikacije. In this masters thesis, we tackled the problem of classification of Tobamovirus genomic sequences. Tobamovirus is a plant RNA-virus that mutates quickly and can cause significant agronomical damage. The goal of our thesis was to improve the speed and ease of use of an existing classification system while also improving the classification accuracy. We managed to develop several containers and processes for training of deep genomic models, using a high-performance computer cluster. We thoroughly evaluated two models, DNABERT-2 and DNABERT-S. Despite good results during training, DNABERT-2 did not gain a good generalization for the classification of Tobamovirus genome sequences. Performance on the test data was low, the most successful DNABERT-2 model achieved a ROC AUC value of 0.58. As such, it is not suitable for further research. DNABERT-S, which was developed for species classification, achieved better results. The most successful DNABERT-S model achieved a ROC AUC value of 0.77. Although the performance of DNABERT-S is acceptable as a start, further development and research are needed to obtain significant improvements. The DNABERT-S model generated unstable and unpredictable results, which prevents us from declaring it a good replacement for the current classification system. taksonomija Tobamovirus globoki model genomskega zaporedja BERT DNABERT-2 DNABERT-S taxonomy Tobamovirus deep genomic sequence model BERT DNABERT-2 DNABERT-S true false false Slovenski jezik Angleški jezik Magistrsko delo/naloga 2026-06-22 13:45:01 2026-06-22 13:45:09 2026-07-23 11:13:05 0000-00-00 00:00:00 2026 0 0 0000-00-00 NiDoloceno NiDoloceno NiDoloceno 0000-00-00 0000-00-00 0000-00-00 37733 285819907 Nikolic_Rok_-_Uporaba_globokih_genomskih_modelov_za_taksonomsko_klasifikacijo.pdf Nikolic_Rok_-_Uporaba_globokih_genomskih_modelov_za_taksonomsko_klasifikacijo.pdf 1 CFD621CB926ED4820A7107B3E469006E ba959ae1ccc63758694f77d028aed65d1b685311a46d7d1d02c959e054b61684 c13fd0c1-6e2f-11f1-9b0d-0050569b8976 https://repozitorij.uni-lj.si/Dokument.php?lang=slv&id=236263 Fakulteta za računalništvo in informatiko 0 0 0