search query: @keyword hidden Markov models / total: 10
reference: 6 / 10
« previous | next »
Author:Ripatti, Tommi
Title:Stochastic Segment Model for Human Promoter Prediction
Stokastinen palamalli ihmisgeenien edistäjien tunnistamiseksi
Publication type:Master's thesis
Publication year:2006
Pages:(13) + 75      Language:   eng
Department/School:Tietotekniikan osasto
Main subject:Ohjelmistotekniikka   (T-106)
Supervisor:Tarhio, Jorma
Instructor:Khuri, Sami
OEVS:
Electronic archive copy is available via Aalto Thesis Database.
Instructions

Reading digital theses in the closed network of the Aalto University Harald Herlin Learning Centre

In the closed network of Learning Centre you can read digital and digitized theses not available in the open network.

The Learning Centre contact details and opening hours: https://learningcentre.aalto.fi/en/harald-herlin-learning-centre/

You can read theses on the Learning Centre customer computers, which are available on all floors.

Logging on to the customer computers

  • Aalto University staff members log on to the customer computer using the Aalto username and password.
  • Other customers log on using a shared username and password.

Opening a thesis

  • On the desktop of the customer computers, you will find an icon titled:

    Aalto Thesis Database

  • Click on the icon to search for and open the thesis you are looking for from Aaltodoc database. You can find the thesis file by clicking the link on the OEV or OEVS field.

Reading the thesis

  • You can either print the thesis or read it on the customer computer screen.
  • You cannot save the thesis file on a flash drive or email it.
  • You cannot copy text or images from the file.
  • You cannot edit the file.

Printing the thesis

  • You can print the thesis for your personal study or research use.
  • Aalto University students and staff members may print black-and-white prints on the PrintingPoint devices when using the computer with personal Aalto username and password. Color printing is possible using the printer u90203-psc3, which is located near the customer service. Color printing is subject to a charge to Aalto University students and staff members.
  • Other customers can use the printer u90203-psc3. All printing is subject to a charge to non-University members.
Location:P1 Ark Aalto  7142   | Archive
Keywords:hidden Markov models
machine learning
discrete sequence classification
promoter prediction
gene regulation motifs
piilo Markovin mallit
koneoppiminen
stokastiset mallit
diskreettien sekvenssien luokittelu
edistäjien ennustaminen
geenien sääntely osat
Abstract (fin): Tämä työ kuuluu bioinformatiikan tutkimusalaan, jossa käytetään laskennallisia menetelmiä molekyylibiologian apuvälineenä.
Geenien säätelyalueiden sijainnin ja rakenteen kartoittamisella on tärkeä rooli geenien toiminnan selvittämisessä.
Tunnistamattomien geeniedistäjien laskennallista ennustamista pidetään haastavana, mutta onnistuessaan sillä olisi selviä etuja molekyylibiologialle.

Puheentunnistustutkimuksen tarpeisiin kehitetyt tilastolliset aikasarja-analyysi- ja luokittelumallit ovat nykyään laajassa käytössä eri bioinformatiikan sovelluksissa.
Tässä työssä tutkitaan stokastista pala mallia.
Tämä malli lisää piilo Markovin malliin vapaasti määriteltävän, tilakohtaisen, pituusjakauman.
Tämä ominaisuus on eduksi suuresti vaihtelevien sekvenssikuvioiden ennustamisessa.

Työn tarkoituksena oli toteuttaa ja arvioida monitasoinen sisältöherkkä luokittelujärjestelmä, jonka avulla olisi mahdollista tunnistaa edistäjiä muiden DNA sekvenssilajien lomasta.
Malli laskee tavanomaisilla Markovin ketjuilla taustasekvenssien todennäköisyyden ja palamallilla edistäjien todennäköisyyden.

Luokittelijan parametrit estimoitiin viisinkertaisella ristiinvalidoinnilla.
Vaikka ristiinvalidointivirhe oli suhteellisen pieni, oli järjestelmän tarkkuus ennustettaessa pitkiä genomisia sekvenssejä huono.
Koska käytetyt tausta- ja alimallit ovat herkkiä ylisovittumiselle, on todennäköisesti mallin parametrit ylisovittuivat mallin opettamiseen käytettyihin sekvensseihin.
ED:2006-07-12
INSSI record number: 32186
+ add basket
« previous | next »
INSSI