Word Sense Discovery and Disambiguation

The work is based on the assumption that words with similar syntactic usage have similar meaning, which was proposed by Zellig S. Harris (1954,1968). We study his assumption from two aspects: Firstly, different meanings (word senses) of a word should manifest themselves in different usages (contexts), and secondly, similar usages (contexts) should lead to similar meanings (word senses). If we start with the different meanings of a word, we should be able to find distinct contexts for the meanings in text corpora. We separate the meanings by grouping and labeling contexts in an unsupervised or weakly supervised manner (Publication 1, 2 and 3). We are confronted with the question of how best to represent contexts in order to induce effective classifiers of contexts, because differences in context are the only means we have to separate word senses. If we start with words in similar contexts, we should be able to discover similarities in meaning. We can do this monolingually or multilingually. In the monolingual material, we find synonyms and other related words in an unsupervised way (Publication 4). In the multilingual material, we ?nd translations by supervised learning of transliterations (Publication 5). In both the monolingual and multilingual case, we first discover words with similar contexts, i.e., synonym or translation lists. In the monolingual case we also aim at finding structure in the lists by discovering groups of similar words, e.g., synonym sets. In this introduction to the publications of the thesis, we consider the larger background issues of how meaning arises, how it is quantized into word senses, and how it is modeled. We also consider how to define, collect and represent contexts. We discuss how to evaluate the trained context classi?ers and discovered word sense classifications, and ?nally we present the word sense discovery and disambiguation methods of the publications. This work supports Harris' hypothesis by implementing three new methods modeled on his hypothesis. The methods have practical consequences for creating thesauruses and translation dictionaries, e.g., for information retrieval and machine translation purposes. Keywords: Word senses, Context, Evaluation, Word sense disambiguation, Word sense discovery.

Essays on Market Microstructure: Price Discovery and Informed Trading

Market microstructure is “the study of the trading mechanisms used for financial securities” (Hasbrouck (2007)). It seeks to understand the sources of value and reasons for trade, in a setting with different types of traders, and different private and public information sets. The actual mechanisms of trade are a continually changing object of study. These include continuous markets, auctions, limit order books, dealer markets, or combinations of these operating as a hybrid market. Microstructure also has to allow for the possibility of multiple prices. At any given time an investor may be faced with a multitude of different prices, depending on whether he or she is buying or selling, the quantity he or she wishes to trade, and the required speed for the trade. The price may also depend on the relationship that the trader has with potential counterparties. In this research, I touch upon all of the above issues. I do this by studying three specific areas, all of which have both practical and policy implications. First, I study the role of information in trading and pricing securities in markets with a heterogeneous population of traders, some of whom are informed and some not, and who trade for different private or public reasons. Second, I study the price discovery of stocks in a setting where they are simultaneously traded in more than one market. Third, I make a contribution to the ongoing discussion about market design, i.e. the question of which trading systems and ways of organizing trading are most efficient. A common characteristic throughout my thesis is the use of high frequency datasets, i.e. tick data. These datasets include all trades and quotes in a given security, rather than just the daily closing prices, as in traditional asset pricing literature. This thesis consists of four separate essays. In the first essay I study price discovery for European companies cross-listed in the United States. I also study explanatory variables for differences in price discovery. In my second essay I contribute to earlier research on two issues of broad interest in market microstructure: market transparency and informed trading. I examine the effects of a change to an anonymous market at the OMX Helsinki Stock Exchange. I broaden my focus slightly in the third essay, to include releases of macroeconomic data in the United States. I analyze the effect of these releases on European cross-listed stocks. The fourth and last essay examines the uses of standard methodologies of price discovery analysis in a novel way. Specifically, I study price discovery within one market, between local and foreign traders.

Dracocephalum moldavica L. and Melissa officinalis L. : Chemistry and Bioactivities Relevant in Alzheimer’s Disease Therapy

Oksidatiivisen stressin eli liiallisen reaktiivisten happiyhdisteiden määrän soluissa on jo pitkään arveltu olevan tärkeä Alzheimerin taudin kehittymiseen ja etenemiseen vaikuttava tekijä. Tämän vuoksi kiinnostus erilaisten antioksidanttien (yhdisteitä, jotka neutraloivat näitä happiradikaaleja soluissa) mahdollisia terapeuttisia ominaisuuksia Alzheimerin taudin hoidossa on tutkittu laajalti. Tähän mennessä ei kuitenkaan ole vielä onnistuttu löytämään antioksidanttia, joka olisi hyödyksi Alzheimerin taudin hoidossa. Tämän vuoksi on tärkeää pyrkiä löytämään uusia antioksidanttien lähteitä sekä tutkia niistä löytyviä aktiivisia yhdisteitä. Kiinnostus luonnon antioksidantteja kohtaan on kasvanut voimakkaasti viime aikoina. Huomio on kiinnittynyt erityisesti aromaattisista sekä lääkekasveista löytyviin antioksidantteihin. Lamiaceae- perheeseen kuuluvia tuoksuampiaisyrttiä (Dracocephalum moldavica L.) ja sitruunamelissaa (Melissa officinalis L.) on käytetty Iranissa pitkään sekä ruoanlaitossa että lääkinnässä, minkä vuoksi näiden kasvien uutteiden antioksidanttisisältöä päätettiin analysoida käyttäen useaa erilaista in vitro- menetelmää. Näissä kokeissa ilmeni, että uutteilla oli useita antioksidanttisia vaikutuksia. Näistä antioksidanttisista vaikutuksista vastaavia yhdisteitä pyrittiin tunnistamaan käyttäen HPLC-PDA- tekniikkaa, minkä seurauksena niiden havaittiin sisältävän erilaisia polyfenoleita, kuten hydroksyloituneita bentsoeeni- ja cinnamamidihapon johdannaisia sekä flavonoideja. Kummankin kasvin uutteissa runsaimmin esiintynyt yhdiste oli rosmariinihappo. Sitruunamelissaa (M. officinalis) on käytetty antiikin ajoista alkaen kognitiivisten toimintojen häiriöiden hoidossa. Perustuen tietoon kasvin käytöstä perinteisessä lääkinnässä, sen tehoa Alzheimerin taudin hoidossa on tutkittu viime aikoina kliinisin kokein. Sitruunamelissan todettiinkin olevan hyödyksi lievää ja keskivaikeaa Alzheimeimerin tautia sairastavien potilaiden hoidossa. Väitöskirjan osanan olevasta kooste-artikkelista käy ilmi, että tutkimalla lääkekasvien ominaisuuksia voidaan saada arvokkaita suuntaa-antavia vihjeitä Alzheimerin taudin lääkehoidon kehittämiseen. Tämän perusteella päätettiinkin testatata myös sitruunamelissauutteen kykyä estää asetyylikoliiniesteraasin (AChE) toimintaa, koska tämän entsyymin toiminna estämisen tiedetään olevan hyödyksi Alzheimerin taudin hoidossa. Uute kykeni estämään AChE:n toimintaa, minkä vuoksi uutteen sisältämiä komponentteja päätettiin tutkia terkemmin. Uute jaettiin erilaisiin fraktioihin käyttäen HPLC-menetelmää, minkä jälkeen testattiin jokaisen fraktion kykyä inhiboida AchE. Suurin osa fraktioista kykeni inhiboimaan AChE:n toimintaa selkeästi tehokkaammin, kuin raakauute. Kaikista tehokkainta fraktiota analysoitiin tarkemmin sen aktiivisten yhdisteiden tunnistamiseksi, minkä seurauksena sen sisältämät yhdisteet tunnistettiin cis ja trans-rosmariinihapoiksi. Tässä tutkimuksessa tunnistettujen yhdisteiden hyödyllisyyttä Alzheimerin taudin hoidossa tulisi seuraavaksi tutkia erilaisissa in vivo-malleissa. Lisäksi jäljellä olevien fraktioiden kemiallinen koostumus tulisi selvittää sekä antioksidanttiaktiivisuuden ja AChE:n toiminnan inhiboinnin välistä mahdollista yhteyttä tulisi tutkia tarkemmin. Tämä tutkimus osoittaa tuoksuampiasyrtin (D. moldavica) sekä sitruunamelissan (M. officinalis) sisältävän monenlaisia aktiivisia antioksidantteja. Lisäksi sitruunamelissan sisältämät yhdisteet kykenivät estämään asetyylikoliiniesteraasin (AchE) toimintaa. Nämä tulokset tukevat osaltaan väitöskirjan osana olevan kooste-artikkelin johtopäätöksiä, joiden mukaan etnofarmakologinen kasvitutkimus voi osoittautua erittäin hyödylliseksi kehitettäessä uutta lääkehoitoa Alzheimerin tautiin. Lisäksi tässä väitöskirjassa kuvattu tutkimus osoittaakin, että perinteisesti lääkekasvina käytettyä sitruunamelissaa voidaan mahdollisesti hyödyntää uusien Alzheimerin taudin hoitoon käytettävien lääkkeiden kehityksessä.

Bending the Rules of Cell Protrusions : Molecular Mechanisms and Biological Roles of Inverse-BAR Proteins in Cell Morphogenesis

Plasma membrane adopts myriad of different shapes to carry out essential cellular processes such as nutrient uptake, immunological defence mechanisms and cell migration. Therefore, the details how different plasma membrane structures are made and remodelled are of the upmost importance. Bending of plasma membrane into different shapes requires substantial amount of force, which can be provided by the actin cytoskeleton, however, the molecules that regulate the interplay between the actin cytoskeleton and plasma membrane have remained elusive. Recent findings have placed new types of effectors at sites of plasma membrane remodelling, including BAR proteins, which can directly bind and deform plasma membrane into different shapes. In addition to their membrane-bending abilities, BAR proteins also harbor protein domains that intimately link them to the actin cytoskeleton. The ancient BAR domain fold has evolved into at least three structurally and functionally different sub-groups: the BAR, F-BAR and I-BAR domains. This thesis work describes the discovery and functional characterization of the Inverse-BAR domains (I-BARs). Using synthetic model membranes, we have shown that I-BAR domains bind and deform membranes into tubular structures through a binding-surface composed of positively charged amino acids. Importantly, the membrane-binding surface of I-BAR domains displays an inverse geometry to that of the BAR and F-BAR domains, and these structural differences explain why I-BAR domains induce cell protrusions whereas BAR and most F-BAR domains induce cell invaginations. In addition, our results indicate that the binding of I-BAR domains to membranes can alter the spatial organization of phosphoinositides within membranes. Intriguingly, we also found that some I-BAR domains can insert helical motifs into the membrane bilayer, which has important consequences for their membrane binding/bending functions. In mammals there are five I-BAR domain containing proteins. Cell biological studies on ABBA revealed that it is highly expressed in radial glial cells during the development of the central nervous system and plays an important role in the extension process of radial glia-like C6R cells by regulating lamellipodial dynamics through its I-BAR domain. To reveal the role of these proteins in the context of animals, we analyzed MIM knockout mice and found that MIM is required for proper renal functions in adult mice. MIM deficient mice displayed a severe urine concentration defect due to defective intercellular junctions of the kidney epithelia. Consistently, MIM localized to adherens junctions in cultured kidney epithelial cells, where it promoted actin assembly through its I-BAR andWH2 domains. In summary, this thesis describes the mechanism how I-BAR proteins deform membranes and provides information about the biological role of these proteins, which to our knowledge are the first proteins that have been shown to directly deform plasma membrane to make cell protrusions.

Assessment of In-House Natural Product and Synthetic Compound Libraries Based on In vitro Inhibition of Cholinesterases

The first line medication for mild to moderate Alzheimer s disease (AD) is based on cholinesterase inhibitors which prolong the effect of the neurotransmitter acetylcholine in cholinergic nerve synapses which relieves the symptoms of the disease. Implications of cholinesterases involvement in disease modifying processes has increased interest in this research area. The drug discovery and development process is a long and expensive process that takes on average 13.5 years and costs approximately 0.9 billion US dollars. Drug attritions in the clinical phases are common due to several reasons, e.g., poor bioavailability of compounds leading to low efficacy or toxic effects. Thus, improvements in the early drug discovery process are needed to create highly potent non-toxic compounds with predicted drug-like properties. Nature has been a good source for the discovery of new medicines accounting for around half of the new drugs approved to market during the last three decades. These compounds are direct isolates from the nature, their synthetic derivatives or natural mimics. Synthetic chemistry is an alternative way to produce compounds for drug discovery purposes. Both sources have pros and cons. The screening of new bioactive compounds in vitro is based on assaying compound libraries against targets. Assay set-up has to be adapted and validated for each screen to produce high quality data. Depending on the size of the library, miniaturization and automation are often requirements to reduce solvent and compound amounts and fasten the process. In this contribution, natural extract, natural pure compound and synthetic compound libraries were assessed as sources for new bioactive compounds. The libraries were screened primarily for acetylcholinesterase inhibitory effect and secondarily for butyrylcholinesterase inhibitory effect. To be able to screen the libraries, two assays were evaluated as screening tools and adapted to be compatible with special features of each library. The assays were validated to create high quality data. Cholinesterase inhibitors with various potencies and selectivity were found in natural product and synthetic compound libraries which indicates that the two sources complement each other. It is acknowledged that natural compounds differ structurally from compounds in synthetic compound libraries which further support the view of complementation especially if a high diversity of structures is the criterion for selection of compounds in a library.

Data mining for telecommunications network log analysis

Telecommunications network management is based on huge amounts of data that are continuously collected from elements and devices from all around the network. The data is monitored and analysed to provide information for decision making in all operation functions. Knowledge discovery and data mining methods can support fast-pace decision making in network operations. In this thesis, I analyse decision making on different levels of network operations. I identify the requirements decision-making sets for knowledge discovery and data mining tools and methods, and I study resources that are available to them. I then propose two methods for augmenting and applying frequent sets to support everyday decision making. The proposed methods are Comprehensive Log Compression for log data summarisation and Queryable Log Compression for semantic compression of log data. Finally I suggest a model for a continuous knowledge discovery process and outline how it can be implemented and integrated to the existing network operations infrastructure.

Asteroid identification using statistical orbital inversion methods

An efficient and statistically robust solution for the identification of asteroids among numerous sets of astrometry is presented. In particular, numerical methods have been developed for the short-term identification of asteroids at discovery, and for the long-term identification of scarcely observed asteroids over apparitions, a task which has been lacking a robust method until now. The methods are based on the solid foundation of statistical orbital inversion properly taking into account the observational uncertainties, which allows for the detection of practically all correct identifications. Through the use of dimensionality-reduction techniques and efficient data structures, the exact methods have a loglinear, that is, O(nlog(n)), computational complexity, where n is the number of included observation sets. The methods developed are thus suitable for future large-scale surveys which anticipate a substantial increase in the astrometric data rate. Due to the discontinuous nature of asteroid astrometry, separate sets of astrometry must be linked to a common asteroid from the very first discovery detections onwards. The reason for the discontinuity in the observed positions is the rotation of the observer with the Earth as well as the motion of the asteroid and the observer about the Sun. Therefore, the aim of identification is to find a set of orbital elements that reproduce the observed positions with residuals similar to the inevitable observational uncertainty. Unless the astrometric observation sets are linked, the corresponding asteroid is eventually lost as the uncertainty of the predicted positions grows too large to allow successful follow-up. Whereas the presented identification theory and the numerical comparison algorithm are generally applicable, that is, also in fields other than astronomy (e.g., in the identification of space debris), the numerical methods developed for asteroid identification can immediately be applied to all objects on heliocentric orbits with negligible effects due to non-gravitational forces in the time frame of the analysis. The methods developed have been successfully applied to various identification problems. Simulations have shown that the methods developed are able to find virtually all correct linkages despite challenges such as numerous scarce observation sets, astrometric uncertainty, numerous objects confined to a limited region on the celestial sphere, long linking intervals, and substantial parallaxes. Tens of previously unknown main-belt asteroids have been identified with the short-term method in a preliminary study to locate asteroids among numerous unidentified sets of single-night astrometry of moving objects, and scarce astrometry obtained nearly simultaneously with Earth-based and space-based telescopes has been successfully linked despite a substantial parallax. Using the long-term method, thousands of realistic 3-linkages typically spanning several apparitions have so far been found among designated observation sets each spanning less than 48 hours.

El Motezuma de Vivaldi

This article explores aesthetic and historical aspects of Antonio Vivaldi's (1678- 1741) Motezuma (1733), in three acts, to celebrate this opera revival after the score's discovery and its first premiere at De Doelen theatre, Rotterdam (2005). Particular attention is paid to cultural aspects, regarding the European interpretation of the Conquest of Mexico.

Sarveiskalvon permeabiliteetin ennustaminen QSPR-mallin avulla

QSPR-malli kuvaa kvantitatiivista riippuvuutta muuttujien ja biologisen ominaisuuden välillä. Näin ollen QSPR mallit ovat käyttökelpoisia lääkekehityksen apuvälineitä. Kirjallisessa osassa kerrotaan sarveiskalvon, suoliston ja veriaivoesteen permeabiliteetin malleista. Useimmin käytettyjä muuttujia ovat yhdisteen rasvaliukoisuus, polaarinen pinta-ala, vetysidosten muodostuminen ja varaus. Myös yhdisteen koko vaikuttaa läpäisevyyteen, vaikka tutkimuksissa onkin erilaista tietoa tämän merkittävyydestä. Malliin vaikuttaa myös muiden kuin mallissa mukana olevien muuttujien suuruusluokka esimerkkinä Lipinskin ‖rule of 5‖ luokittelu. Tässä luokittelussa yhdisteen ominaisuus ei saa ylittää tiettyjä raja-arvoja. Muussa tapauksessa sen imeytyminen suun kautta otettuna todennäköisesti vaarantuu. Lisäksi kirjallisessa osassa tutustuttiin kuljetinproteiineihin ja niiden toimintaan silmän sarveiskalvossa, suolistossa ja veriaivoesteessä. Nykyisin on kehitetty erilaisia QSAR-malleja kuljetinproteiineille ennustamaan mahdollisten substraatittien tai inhibiittorien vuorovaikutuksia kuljetinproteiinin kanssa. Kokeellisen osan tarkoitus oli rakentaa in silico -malli sarveiskalvon passiiviselle permeabiliteetille. Työssä tehtiin QSPR-malli 54 yhdisteen ACDLabs-ohjelmalla laskettujen muuttujien arvojen avulla. Permeabiliteettikertoimien arvot saatiin kirjallisuudesta kanin sarveiskalvon läpäisevyystutkimuksista. Lopullisen mallin muuttujina käytettiin oktanoli-vesijakaantumiskerrointa (logD) pH:ssa 7,4 ja vetysidosatomien kokonaismäärää. Yhtälö oli muotoa log10(permeabiliteettikerroin) = -3,96791 - 0,177842Htotal + 0,311963logD(pH7,4). R2-korrelaatiokerroin oli 0,77 ja Q2-korrelaatiokerroin oli 0,75. Lopullisen mallin hyvyyttä arvioitiin 15 yhdisteen ulkoisella testijoukolla, jolloin ennustettua permeabiliteettia verrattiin kokeelliseen permeabiliteettiin. QSPR-malli arvioitiin myös farmakokineettisen simulaation avulla. Simulaatiossa laskettiin seitsemän yhdisteen kammionestepitoisuudet in vivo vakaassa tilassa käyttäen simulaatioissa QSPR mallilla ennustettuja permeabiliteettikertoimia. Lisäksi laskettiin sarveiskalvon imeytymisen nopeusvakio (Kc) 13 yhdisteelle farmakokineettisen simulaation avulla ja verrattiin tätä lopullisella mallilla ennustettuun permeabiliteettiin. Tulosten perusteella saatiin tilastollisesti hyvä QSPR-malli kuvaamaan sarveiskalvon passiivista permeabiliteettia, jolloin tätä mallia voidaan käyttää lääkekehityksen alkuvaiheessa. QSPR-malli ennusti permeabiliteettikertoimet hyvin, mikä nähtiin vertaamalla mallilla ennustettuja arvoja kokeellisiin tuloksiin. Lisäksi yhdisteiden kammionestepitoisuudet voitiin simuloida käyttäen apuna QSPR-mallilla ennustettuja permeabiliteettikertoimien arvoja.

Compression of Weighted Graphs

We propose to compress weighted graphs (networks), motivated by the observation that large networks of social, biological, or other relations can be complex to handle and visualize. In the process also known as graph simplication, nodes and (unweighted) edges are grouped to supernodes and superedges, respectively, to obtain a smaller graph. We propose models and algorithms for weighted graphs. The interpretation (i.e. decompression) of a compressed, weighted graph is that a pair of original nodes is connected by an edge if their supernodes are connected by one, and that the weight of an edge is approximated to be the weight of the superedge. The compression problem now consists of choosing supernodes, superedges, and superedge weights so that the approximation error is minimized while the amount of compression is maximized. In this paper, we formulate this task as the 'simple weighted graph compression problem'. We then propose a much wider class of tasks under the name of 'generalized weighted graph compression problem'. The generalized task extends the optimization to preserve longer-range connectivities between nodes, not just individual edge weights. We study the properties of these problems and propose a range of algorithms to solve them, with dierent balances between complexity and quality of the result. We evaluate the problems and algorithms experimentally on real networks. The results indicate that weighted graphs can be compressed efficiently with relatively little compression error.

Medetomidiinin glukuronidaation inhibitio

Lääkeainemetabolialla tarkoitetaan entsymaattisia reaktioita, jotka muuttavat lääkeaineita paremmin elimistöstä poistuvaan muotoon. Lääkeaineet voivat vaikuttaa toistensa metaboliaan inhiboimalla tai indusoimalla metaboloivia entsyymejä. Tällaisten interaktioiden seurauksena lääkeaineen pitoisuus elimistössä voi kasvaa jopa toksiseksi tai vähentyä merkittävästi. Tämä on erityisesti ongelmana silloin, kun käytössä on useita lääkkeitä samanaikaisesti. Lääketutkimuksessa onkin keskitytty tällaisten interaktioiden ennustamiseen ja niitä yritetään välttää tai ainakin vähentää. Työssä tutkittiin medetomidiinia, jonka on äskettäin havaittu metaboloituvan UDP-glukuronosyylitransferaasien (UGT) välityksellä. Työn tarkoituksena oli löytää medetomidiinin glukuronidaatiota inhiboivia yhdisteitä. Lisäksi haluttiin selvittää mahdollisen inhibition mekanismeja. On yleistä tutkia tietyn entsyymin substraatin interaktioita muiden saman perheen entsyymien kanssa. On kuitenkin harvinaisempaa tutkia tällaisia interaktioita kahden eri entsyymiperheen välillä. Tässä työssä tutkittiin inhiboivatko mahdolliset sytokromi P450 -entsyymiä (CYP) inhiboivat yhdisteet myös medetomidiinia glukuronoivia UDP-glukuronosyylitransferaaseja. Glukuronidaation inhibitiota tutkittiin HPLC-menetelmällä, joka on kehitetty aiemmin medetomidiinin glukuronidaation tutkimiseen. Aluksi glukuronidaatiota tutkittiin ilman inhibiittoreita. Tämän jälkeen tutkittiin kolmen mahdollisen inhibiittoriyhdisteen vaikutuksia medetomidiinin glukuronidaatioon ja tuloksia verrattiin ilman inhibiittoria saatuihin tuloksiin. Kolmen tutkitun yhdisteen havaittiin inhiboivan medetomidiinin glukuronidaatiota. Tutkimuksessa havaittiin myös mielenkiintoinen ilmiö, jossa inhibiittoriyhdisteen sitoutuminen aiheutti entsyymikineettisiä muutoksia UDP-glukuronosyylitransferaasin toiminnassa. On mielenkiintoista, että samat yhdisteet inhiboivat sekä CYP- että UGT-metaboliaa. Tulosten perusteella voidaan päätellä, että jos CYP ja UGT metaboloivat samaa yhdistettä, on mahdollista että yhdisteen rakenteelliset analogit aiheuttavat interaktioita molempien entsyymien kanssa. Uusia lääkeaineita kehitettäessä onkin otettava huomioon yleisesti tunnettujen CYP-entsyymien lisäksi myös UGT:t ja niiden mahdolliset yhteisvaikutukset.