Analysis of protein sequences from CoViD 19

Tema ovog diplomskog rada je analiza S proteina iz koronavirusa. Tehnika strojnog učenja i statističke analize generaliziraju se na nizovima sa crticom. Na početku su dani matematički pojmovi potrebni za razumijevanje termina koji su korišteni u radu i objašnjena je struktura podataka. Na pripremljenim podacima primjenjuje se k-means++ klasteriranje, traženje najznačajnijih pozicija za klasteriranje, rangiranje po standardnim devijacijama pojedine pozicije, traženje popratnih mutacija pomoću omjera. Sve analize u diplomskom radu (grafovi, stupčasti dijagrami, tablice) napravljene su u programskom jeziku Python.The topic of this thesis is the analysis of S protein from coronavirus. Machine learning techniques and statistical analysis are generalized on strings with a dash. At the beginning, the mathematical concepts needed to understand the terms used in the paper are given and the data structure is explained. On the prepared data, k-means ++ clustering is applied, as well as searching for the most important positions for clustering, ranking according to standard deviations of individual positions, searching for accompanying mutations using ratios. All the analyses in the thesis (graphs, bar charts, tables) are made in the Python programming language