search query: @keyword hidden Markov models / total: 10
reference: 6 / 10
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 CentreIn 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
Opening a thesis
Reading the thesis
Printing the thesis
|
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
INSSI