{"id":{"repo_id":"athens","oai_identifier":"oai:lib.uoa.gr:uoadl:2965243"},"canonical_url":"https://search.ndltd.org/etd/athens/oai:lib.uoa.gr:uoadl:2965243","repository":{"repo_id":"athens","name":"National and Kapodistrian University of Athens","base_url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh"},"display":{"title":"Data Mining Techniques and their applications in biological Databases","abstract":"Οι βιολογικές λειτουργίες αναδύονται μέσα από τις αλληλεπιδράσεις μεταξύ πρωτεϊνών μέσα στα βιολογικά συστήματα. Η κατανόηση των κυτταρικών λειτουργιών απαιτεί την χαρτογράφηση όσο των δυνατών περισσοτέρων τέτοιων αλληλεπιδράσεων. Παρόλη την ανάπτυξη, πειραματικών τεχνικών υψηλής απόδοσης εύρεσης τέτοιων αλληλεπιδράσεων, ο αριθμός των πειραματικά τεκμηριωμένων αλληλεπιδράσεων είναι πολύ μικρός σε σχέση με τον πραγματικό αριθμό αλληλεπιδράσεων που αποτελούν τα δίκτυα. Η ανάπτυξη αλγορίθμων μηχανικής μάθησης ως υπολογιστικό εργαλείο τέτοιων σχέσεων μπορεί να χρησιμοποιηθεί ως μία εναλλακτική πρόταση. Σκοπός της παρούσας εργασίας είναι η διερεύνηση, η σύγκριση και η πρόταση αλγοριθμικών μοντέλων για την πρόβλεψη πρωτεϊνικών αλληλεπιδράσεων σε πρωτεϊνικά δίκτυα.","abstract_html":"Οι βιολογικές λειτουργίες αναδύονται μέσα από τις αλληλεπιδράσεις μεταξύ πρωτεϊνών μέσα στα βιολογικά συστήματα. Η κατανόηση των κυτταρικών λειτουργιών απαιτεί την χαρτογράφηση όσο των δυνατών περισσοτέρων τέτοιων αλληλεπιδράσεων. Παρόλη την ανάπτυξη, πειραματικών τεχνικών υψηλής απόδοσης εύρεσης τέτοιων αλληλεπιδράσεων, ο αριθμός των πειραματικά τεκμηριωμένων αλληλεπιδράσεων είναι πολύ μικρός σε σχέση με τον πραγματικό αριθμό αλληλεπιδράσεων που αποτελούν τα δίκτυα. Η ανάπτυξη αλγορίθμων μηχανικής μάθησης ως υπολογιστικό εργαλείο τέτοιων σχέσεων μπορεί να χρησιμοποιηθεί ως μία εναλλακτική πρόταση. Σκοπός της παρούσας εργασίας είναι η διερεύνηση, η σύγκριση και η πρόταση αλγοριθμικών μοντέλων για την πρόβλεψη πρωτεϊνικών αλληλεπιδράσεων σε πρωτεϊνικά δίκτυα.","abstract_has_math":false,"creators":["Ορφανός Σταύρος","Orfanos Stavros"],"institution":null,"degree_name":null,"degree_level":null,"degree_discipline":null,"degree_department":null,"school":null,"contributors":[],"advisors":[],"committee_chairs":[],"committee_members":[],"year":2021,"date_issued":"2021","date_published":"2021","updated_at":"2026-11-19T05:44:06Z","subjects":["Θετικές Επιστήμες","Science"],"languages":["Ελληνικά","Greek"],"rights":[],"rights_urls":[],"identifier_entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:2965243"],"render_values":[{"text":"uoadl:2965243","href":null,"code":true}]}],"person_identifier_entries":[]},"links":{"outbound_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/2965243","outbound_label":"Repository record","outbound_source":"dc:identifier","record_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/2965243","record_label":"Repository record","record_kind":"record","record_source":"dc:identifier","download_url":null,"download_label":null,"download_source":null,"access_status":null,"embargo_until":null,"access_note":null},"source_record":{"url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh?verb=GetRecord&metadataPrefix=oai_dc&identifier=oai%3Alib.uoa.gr%3Auoadl%3A2965243","prefix":"oai_dc"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:creator","label":"Author","values":["Ορφανός Σταύρος","Orfanos Stavros"]}]},{"id":"academic_context","label":"Academic Context","entries":[{"key":"dc:date","label":"Dc Date","values":["2021"]},{"key":"dc:type","label":"Dc Type","values":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]}]},{"id":"subjects_keywords","label":"Subjects and Keywords","entries":[{"key":"dc:subject","label":"Dc Subject","values":["Θετικές Επιστήμες","Science"]}]},{"id":"language_rights","label":"Language and Rights","entries":[{"key":"dc:language","label":"Dc Language","values":["Ελληνικά","Greek"]}]},{"id":"identifiers","label":"Identifiers","entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:2965243","https://pergamos.lib.uoa.gr/uoa/dl/object/2965243"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description","label":"Description","values":["Οι βιολογικές λειτουργίες αναδύονται μέσα από τις αλληλεπιδράσεις μεταξύ πρωτεϊνών μέσα στα βιολογικά συστήματα. Η κατανόηση των κυτταρικών λειτουργιών απαιτεί την χαρτογράφηση όσο των δυνατών περισσοτέρων τέτοιων αλληλεπιδράσεων. Παρόλη την ανάπτυξη, πειραματικών τεχνικών υψηλής απόδοσης εύρεσης τέτοιων αλληλεπιδράσεων, ο αριθμός των πειραματικά τεκμηριωμένων αλληλεπιδράσεων είναι πολύ μικρός σε σχέση με τον πραγματικό αριθμό αλληλεπιδράσεων που αποτελούν τα δίκτυα. Η ανάπτυξη αλγορίθμων μηχανικής μάθησης ως υπολογιστικό εργαλείο τέτοιων σχέσεων μπορεί να χρησιμοποιηθεί ως μία εναλλακτική πρόταση. Σκοπός της παρούσας εργασίας είναι η διερεύνηση, η σύγκριση και η πρόταση αλγοριθμικών μοντέλων για την πρόβλεψη πρωτεϊνικών αλληλεπιδράσεων σε πρωτεϊνικά δίκτυα.","Biological functions emerge through the interactions between proteins within biological systems. Understanding cellular functions requires mapping as many of these interactions as possible. Despite the development of high-performance experimental techniques for finding such interactions, the number of experimentally documented interactions is very small compared to the actual number of interactions that make up networks. The development of machine learning algorithms as a computational tool for such relationships can be used as an alternative proposal. The purpose of this work is to investigate, compare and propose algorithmic models for predicting protein interactions in protein networks."]},{"key":"dc:title","label":"Title","values":["Data Mining Techniques and their applications in biological Databases"]}]}],"canonical_facts":{"dc:creator":["Ορφανός Σταύρος","Orfanos Stavros"],"dc:date":["2021"],"dc:description":["Οι βιολογικές λειτουργίες αναδύονται μέσα από τις αλληλεπιδράσεις μεταξύ πρωτεϊνών μέσα στα βιολογικά συστήματα. Η κατανόηση των κυτταρικών λειτουργιών απαιτεί την χαρτογράφηση όσο των δυνατών περισσοτέρων τέτοιων αλληλεπιδράσεων. Παρόλη την ανάπτυξη, πειραματικών τεχνικών υψηλής απόδοσης εύρεσης τέτοιων αλληλεπιδράσεων, ο αριθμός των πειραματικά τεκμηριωμένων αλληλεπιδράσεων είναι πολύ μικρός σε σχέση με τον πραγματικό αριθμό αλληλεπιδράσεων που αποτελούν τα δίκτυα. Η ανάπτυξη αλγορίθμων μηχανικής μάθησης ως υπολογιστικό εργαλείο τέτοιων σχέσεων μπορεί να χρησιμοποιηθεί ως μία εναλλακτική πρόταση. Σκοπός της παρούσας εργασίας είναι η διερεύνηση, η σύγκριση και η πρόταση αλγοριθμικών μοντέλων για την πρόβλεψη πρωτεϊνικών αλληλεπιδράσεων σε πρωτεϊνικά δίκτυα.","Biological functions emerge through the interactions between proteins within biological systems. Understanding cellular functions requires mapping as many of these interactions as possible. Despite the development of high-performance experimental techniques for finding such interactions, the number of experimentally documented interactions is very small compared to the actual number of interactions that make up networks. The development of machine learning algorithms as a computational tool for such relationships can be used as an alternative proposal. The purpose of this work is to investigate, compare and propose algorithmic models for predicting protein interactions in protein networks."],"dc:identifier":["uoadl:2965243","https://pergamos.lib.uoa.gr/uoa/dl/object/2965243"],"dc:language":["Ελληνικά","Greek"],"dc:subject":["Θετικές Επιστήμες","Science"],"dc:title":["Data Mining Techniques and their applications in biological Databases"],"dc:type":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]},"updated_at":"2026-11-19T05:44:06Z"}