Search results

1

Determining the structural amino acid attributes which are important in both protein thermostability and alkalophilicity: a case study on xylanase

100%

DELAVARI A., ZARE S., GHAEMI M. R., KASHFI R., EBRAHIMI M., TAHMASEBI A., EBRAHIMI M., EBRAHIMIE E.

BioTechnologia

|

2014

|

vol. 95

|

issue 2

161-173

EN

Xylanases are used in the recycling of biomass and have other industrial applications including pulp bleaching. These enzymes are also applied in the baking industry and for the manufacture of animal feed. Such technologies as, for example, pulp bleaching entail high temperatures and high pHs. As a result, there is great demand from industry for thermostable and halostable forms of xylanase. Due to the relatively high variation in the thermo- and halo-stability of xylanases, feature selection was employed as a model to discover the important attributes of their amino acid sequences affecting the thermo- and halo-stability of the enzyme. A data set containing the amino acid sequences of xylanases with different thermo- and halostabilities was collected. Seventy-four amino acid attributes were obtained for each enzyme sequence. After running a feature selection algorithm for each of the thermo- and halostablity variables, features were classified as either important, unimportant or marginal. The results showed a significant correlation between structural amino acid attitudes and stability in harsh temperatures or alkaline conditions. Features such as lysine, glutamic acid, and positively/negatively charged residues showed a positive correlation with both the thermostability and alkalophilicity attributes of the protein. For the first time, we found attributes which were important for both stability at high temperatures as well as in alkaline conditions by mining sequence-derived amino acid attributes using data mining.

2

Applying Data Mining and Machine Learning Algorithms to predict symptom development in Parkinson's disease

88%

Przybyszewski A. W.

Annales Academiae Medicae Silesiensis

|

2014

|

vol. 68

|

issue 5

332-349

EN

The standard treatment of PD symptoms depends on the experience of a particular neurologist, UPDRS and Hoehn and Yahr scale measurements in order to estimate the stage of PD, the patient’s reports and patient’s responses to medications. All these estimations are to a great extent subjective and determine different treatments in different centers. The purpose of this work was to develop an approach that may more precisely and objectively estimate a patient’s symptoms and in consequence optimize individual PD treatment. We have presented sever-al examples of different methods that make measurements in PD more precise. However, greater precision and objectivity were only the first steps. In addition, all (standard and new) data must be evaluated in an intelligible way in order to better estimate PD symptoms and their developments. We have used data mining and machine learning approaches to mimic the “golden” neurologist’s reasoning.

PL

Standardowe leczenie objawów PD zależy od doświadczenia danego neurologa oraz wyników pomiarów w skalach UPDRS oraz Hoehn i Yahr , aby ocenić stadium choroby Parkinsona, opinii pacjenta i jego reakcji na leki. Wszystkie oceny stosowane w tym celu są w dużej mierze subiektywne. Celem niniejszej pracy było opracowanie podejścia, które mogłoby bardziej precyzyjnie i obiektywnie oszacować fluktację objawów pacjenta i w konsekwencji optymalizację indywidualnego traktowania PD. Pokazaliśmy kilka przykładów różnych metod, które zwiększają precyzję pomiarów w PD. Trzeba zaznaczyć, że większa precyzja i obiektywność są tylko pierwszym krokiem. Ostatecznie wszystkie dane (otrzymane zarówno nowymi, jak i standardowymi metodami) muszą być porównane w czytelny sposób, aby lepiej ocenić nasilenie i rozwój objawów PD. Użyta metoda eksploracji danych i algorytm uczenia maszynowego mają naśladować „złoty” tok rozumowania neurologa .

3

A Multi-label Transformation Framework for the Rectangular 2D Strip-Packing Problem

75%

Alvaro N. J., Francescatto M., Stieler G., Disconzi D., Alvaro N. J., Francescatto M., Stieler G., Disconzi D.

Management and Production Engineering Review

|

2021

|

vol. 12

|

issue 4

4

Research on operation fault diagnosis algorithm of power grid equipment based on power big data

75%

Qian J., Zhu B., Li Y., Shi Z., Qian J., Zhu B., Li Y., Shi Z.

Archives of Electrical Engineering

|

2020

|

vol. 69

|

issue 4

5

A Data Mining Approach for Analysis of a Wire Electrical Discharge Machining Process

75%

Dandge S. S., Chakraborty S., Dandge S. S., Chakraborty S.

Management and Production Engineering Review

|

2021

|

vol. 12

|

issue 3

6

Modelling Tyre-Road Noise with Data Mining Techniques

75%

Freitas E., Tinoco J., Soares F., Costa J., Cortez P., Pereira P.

|

7

Zaburzenia odżywiania – dylematy diagnozy

63%

Pilecki M. W., Sałapa K., Józefik B.

|

2014

|

vol. 14

|

issue 2

77-83

EN

The aim of this study was to present the dilemmas in the diagnosis of eating disorders on an example of division of a group of girls with diagnosed eating disorders on the basis of the self-assessment questionnaire results which provides an alternative to the clinical criteria. The study covered 116 girls diagnosed with any of the eating disorders according to DSM-IV consulted for the first time between 2002 and 2004 in the outpatient clinic of the Child and Adolescent Psychiatry Unit, University Hospital in Cracow, Poland. Due to statistical limitations of the model only dependent variables such as self-assessment of the presence of depressive symptoms (measured by Beck Depression Questionnaire, BDI), eating attitudes (measured using Eating Attitudes Test, EAT26), self-image (Social Self from Offer’s Self-Image Questionnaire, JaSpoł QSIA) and family relations (Intimacy scale from the Family of Origin Scale, INT FOS) were subjected to k-means cluster analysis. The conducted analyses led to the emergence of five clusters which did not correspond to the division into particular clinical diagnoses. All the clusters turned out to differ from one other in the context of the results of their constituent questionnaire scales. Cluster One proved to characterise individuals with self-assessed low severity of eating problems and depression and a favourable image of their social functioning and family relations. The interaction observed in Cluster Five was the opposite. The majority of the patients in Cluster One were diagnosed with restrictive anorexia, while in Cluster Five with bulimia. Cluster Three turned out to be most different from the others. Positive self-image and family relations were accompanied by high self-assessed severity of eating problems and low depression. The obtained results indicate that the clinical division of eating disorders proposed in ICD and DSM is not the only possible. Other ways of grouping patients may be of interest not only cognitively but may also have some clinical value.

PL

Celem badania było przedstawienie dylematów dotyczących diagnozy zaburzeń odżywiania się na przykładzie alternatywnego do kryteriów klinicznych podziału grupy dziewcząt z rozpoznaniem tych zaburzeń, uwzględniającego wyniki kwestionariuszy samooceny. Badaniem objęto 116 dziewcząt z rozpoznaniem któregoś z zaburzeń odżywiania się według DSM-IV, konsultowanych po raz pierwszy w latach 2002–2004 w ambulatorium Oddziału Klinicznego Psychiatrii Dzieci i Młodzieży Szpitala Uniwersyteckiego w Krakowie. Z uwagi na ograniczenia statystyczne modelu jedynie zmienne zależne, takie jak: samoocena obecności objawów depresyjnych (Kwestionariusz Depresji Becka, BDI), samoocena obecności problemów z odżywianiem się (Kwestionariusz Postaw wobec Odżywiania, EAT26), obraz siebie (Ja Społeczne Kwestionariusza Obrazu Siebie Offera, JaSpoł QSIA) i relacje rodzinne (skala Intymności Skali Rodziny Pochodzenia, INT FOS), zostały poddane analizie skupień metodą k-średnich. Przeprowadzone analizy doprowadziły do wyłonienia pięciu skupień niepokrywających się z podziałem na poszczególne diagnozy kliniczne. Wszystkie skupienia różnią się wynikami tworzących je skal kwestionariuszowych. Pierwsze skupienie okazało się charakteryzować osoby o niskim w swojej ocenie nasileniu występowania problemów z odżywianiem się i depresyjności oraz korzystnym obrazie swojego funkcjonowania społecznego i relacji rodzinnych. Zależność obserwowana w skupieniu 5. była odwrotna. Przeważająca liczba pacjentek w skupieniu 1. miała rozpoznaną anoreksję restrykcyjną, a w skupieniu 5. bulimię. Najbardziej odmienne od pozostałych okazało się skupienie 3. Pozytywnemu obrazowi siebie, relacji rodzinnych w badanych obszarach towarzyszyło duże nasilenie występowania problemów z odżywianiem się i niskie depresyjności w samoocenie. Otrzymane wyniki wskazują, iż podział kliniczny zaburzeń odżywania się proponowany w ICD i DSM nie jest jedynym możliwym. Inne sposoby porządkowania pacjentów nie tylko mogą być interesujące poznawczo, ale też mają pewną wartość kliniczną.

8

Knowledge discovery in data in construction projects

51%

Szelka J., Wrona Z., Szelka J., Wrona Z.

Archives of Civil Engineering

|

2016

|

issue 2

Refine search results

Determining the structural amino acid attributes which are important in both protein thermostability and alkalophilicity: a case study on xylanase

Applying Data Mining and Machine Learning Algorithms to predict symptom development in Parkinson's disease

A Multi-label Transformation Framework for the Rectangular 2D Strip-Packing Problem

Research on operation fault diagnosis algorithm of power grid equipment based on power big data

A Data Mining Approach for Analysis of a Wire Electrical Discharge Machining Process

Modelling Tyre-Road Noise with Data Mining Techniques

Zaburzenia odżywiania – dylematy diagnozy

Knowledge discovery in data in construction projects