Browsing by Author "Huttunen, Antti"

Filter results by typing the first few letters
Now showing 1 - 5 of 5
  • Kunnossapitokumppanuuden aloitusvaiheen kehittäminen
    (2005) Huttunen, Antti
     Helsinki University of Technology | Master's thesis
  • Lumen sulatus sopivan säteilylähteen avulla
    (2014-04-22) Huttunen, Antti
     Insinööritieteiden korkeakoulu | Bachelor's thesis
  • Multimodal Tumour Type and Subtype Classification with Deep Learning
    (2025-02-24) Huttunen, Antti
     School of Science | Master's thesis
    Cancer was the second most common cause of death in Finland in 2023. Since early diagnosis and identifying the tissue of origin are crucial in cancer treatment and prognosis, finding new, efficient, and minimally invasive diagnostic methods is important. Tumour types in different tissues are characterised by distinct patterns of somatic mutations that have been proven to be helpful in tumour type prediction. These mutations and patterns can be detected from a blood sample by examining circulating tumour DNA (ctDNA), enabling the use of minimally invasive and accurate computational diagnostic tools for early-stage cancer detection. This thesis aims to develop and evaluate the use of deep learning for tumour-type prediction from somatic mutation data. The thesis investigates the performance of the Mutation-Attention (MuAt) deep learning model and compares its original trinucleotide-based embedding with alternative approaches, including DNABERT embeddings and one-hot encoding of individual nucleotides. Additionally, chromatin state information is integrated into the MuAt model using the EpicVAE variational autoencoder to evaluate the impact of the epigenetic information on model performance. The experiment utilises tumour site DNA data from 24 tumour types and 2578 patients from the database of the PCAWG project. The results show that the original MuAt embedding approach outperforms new approaches in 10-fold cross-validation with average and best validation accuracies of 0.882 and 0.919, respectively. Moreover, adding the chromatin state information only increased the average validation accuracy by 0.002. Further study of DNABERT embedding spaces with Uniform Manifold Approximation and Projections (UMAPs) shows the low quality of the embedding spaces and the low capability of DNABERT to distinguish the differences between mutated and reference sequences. The results also highlight the importance of genomic position information in prediction. The research demonstrates the effectiveness of the original MuAt model pipeline design, thus demonstrating the importance of good design in embedding the mutation data. Even though the tested approaches and MuAt model have limitations, this research provides a solid foundation for further studying the use of DNABERT in the case of mutation data, new embedding approaches, and developing computational methods for tumour type prediction.
  • Predicting Protein Function using Machine Learning Methods
    (2021-12-14) Huttunen, Antti
     Sähkötekniikan korkeakoulu | Bachelor's thesis
  • Ympäristönsuojeluvaatimukset energiapalveluliiketoiminnassa
    (2017-03-20) Huttunen, Antti
     Insinööritieteiden korkeakoulu | Master's thesis
    Uusia alle 50 megawattia polttoaineteholtaan olevia polttolaitoksia on vuodesta 2013 koskenut Valtioneuvoston asetus 750/2013 (Pienten Polttolaitosten asetus, PIPO). Olemassa olevat polttolaitokset siirtyvät PIPO:n piiriin viimeistään vuoden 2018 alusta. Tulevaisuudessa pieniä polttolaitoksia tulee koskemaan myös Euroopan parlamentin ja neuvoston direktiivi (EU) 2015/2193 (MCP, engl. Medium Combustion Plant Directive), jonka piiriin olemassa olevat pienet polttolaitokset siirtyvät vuoden 2025 tai 2030 alussa riippuen laitoksen polttoainetehosta. Pieniä polttolaitoksia koskeva ympäristölainsäädäntö on energiapalveluliiketoiminnan kannalta tärkeässä roolissa, koska merkittävä osa liiketoimintaan liittyvistä polttolaitoksista on tässä kokoluokassa. PIPO ja MCP asettavat polttolaitosten hiukkas-, typenoksidi- ja rikkidioksidipäästöille aikaisempaa tiukempia päästöraja-arvoja. Lisäksi PIPO ja MCP sisältävät muita määräyksiä, joiden tarkoitus on rajoittaa polttolaitosten aiheuttamaa ympäristörasitusta. Kiristyvät päästörajat vaativat joissakin tapauksissa polttolaitoksen polttoaineen vaihtamista tai savukaasujen puhdistamista. Kokonaistaloudellisimman ja teknisesti sopivan ratkaisun löytäminen vaatii sekä eri polttoainelaatujen, että eri puhdistuskeinojen vertailemista tapauskohtaisesti eri polttolaitoksissa. Tässä diplomityössä on selvitetty PIPO:n ja MCP:n vaatimia muutoksia teollisuuden energiapalveluita tuottavan Suomen Teollisuuden Energiapalvelut – STEP Oy:n (lyhennettynä STEP) polttolaitoksissa. STEP tuottaa energiapalveluita teollisuusasiakkaille Harjavallan Suurteollisuuspuistossa, Koskenkorvalla, Seinäjoella ja Kaustisilla. Esimerkkeinä selvityksessä huomatuista tarpeellisista muutoksista ovat kemikaalisäiliöiden suoja-altaiden lisääminen tai suurentaminen, polttoöljyn purkupaikkojen asfaltointien parantaminen, sekä puuttuvien jatkuvatoimisten mittausten lisääminen. Suurimmat muutokset liittyvät uusien päästöraja-arvojen saavuttamiseen. Seinäjoen laitos täyttää jo valmiiksi uudet päästöraja-arvot. Kaustisen osalta ratkaisuiksi riittävät vähempirikkisen turpeen käyttäminen ja multisyklonin toiminnan parantaminen. Harjavallan ja Koskenkorvan osalta erilaisia vaihtoehtoja nykyisen rikkipitoisuudeltaan 1 % raskaan polttoöljyn korvaajaksi on useita, ja paras vaihtoehto riippuu siitä, mitä painotetaan. Harjavallan laitoksen kannalta parhaat vaihtoehdot ovat rikkipitoisuudeltaan 0,1 % raskas polttoöljy, nestekaasu ja nesteytetty maakaasu. Koskenkorvan laitoksen parhaat vaihtoehdot taas ovat rikkipitoisuudeltaan 0,5 % raskas polttoöljy, sekä 0,5 % raskaan polttoöljyn ja sikunan monipoltto.