Unsupervised Learning, Interaktion mellem beta-cyclodextriner og kolesterol

Unsupervised Learning, interaction between beta-cyclodextrins and cholesterol

Kronborg, Amanda - Sofie Bang

4. semester

Matematik, Kandidat

2019

2019-06-06

29

I de senere år er samspillet mellem beta-cyclodextrin og kolesterol blevet undersøgt flittigt, fordi man antager, at beta-cyclodextrin kan have en positiv effekt på kolesterolrelaterede sygdomme. I dette projekt bruges usuperviseret maskinlæring – metoder der finder mønstre uden forudgående mærkater – til at studere interaktionen mellem de to molekyler. Datasættet består af computersimulationer af denne interaktion og rummer 1001 billeder. Vi afprøver forskellige klyngedannelsesmetoder (clustering) for at gruppere lignende billeder og skabe et mindre, repræsentativt udsnit af data. Resultaterne viser, at denne fremgangsmåde er mulig.

In recent years, the interaction between beta-cyclodextrin and cholesterol has received much attention, driven by the idea that beta-cyclodextrin may benefit cholesterol-related diseases. This project uses unsupervised machine learning—methods that find patterns without predefined labels—to study how these two molecules interact. The dataset consists of computer simulations of this interaction, producing 1001 images. We apply several clustering methods to group similar images and create a smaller, representative subset of the data. The results show that this approach is feasible.

[Dette resumé er omskrevet med hjælp fra AI baseret på projektets originale resumé]

Download
Vis denne rapport i AAU Studenterprojekter