Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

Tytuł pozycji:

Wykorzystanie metod optymalizacyjnych do budowania ukrytych modeli Markowa w analizie danych z mikromacierzy DNA

Tytuł:
Wykorzystanie metod optymalizacyjnych do budowania ukrytych modeli Markowa w analizie danych z mikromacierzy DNA
Application of optimization methods for hidden Markov models in analysis of DNA microarrays data
Autorzy:
Walawender, P.
Ćmielowski, Ł.
Powiązania:
https://bibliotekanauki.pl/articles/261582.pdf
Data publikacji:
2009
Wydawca:
Politechnika Wrocławska. Wydział Podstawowych Problemów Techniki. Katedra Inżynierii Biomedycznej
Tematy:
mikromacierze DNA
ukryte modele Markova
optymalizacja
DNA microarrays
hidden Markov models
optimization
Źródło:
Acta Bio-Optica et Informatica Medica. Inżynieria Biomedyczna; 2009, 15, 1; 11-13
1234-5563
Język:
polski
Prawa:
Wszystkie prawa zastrzeżone. Swoboda użytkownika ograniczona do ustawowego zakresu dozwolonego użytku
Dostawca treści:
Biblioteka Nauki
Artykuł
  Przejdź do źródła  Link otwiera się w nowym oknie
Techniki mikromacierzy DNA umożliwiły pomiar ekspresji genów i obserwowanie zależności między tkankami z różnych próbek. W artykule omówiono zastosowanie algorytmów opartych na ukrytych modelach Markowa (ang. Hidden Markov Models) do analizy danych z mikromacierzy DNA. Zaprezentowane podejście porównano z innymi, opisanymi w podobnych opracowaniach. Zaproponowane algorytmy składają się z dwóch części: odkrywczej i klasyfikacyjnej. Za pomocą zbioru danych treningowych stworzono uniwersalny klasyfikator, którego efektywność i inne parametry będą mierzone za pomocą danych testowych.

DNA microarray technologies make possible measurement of genes expression and observation the differences between various tissue samples. The application of hidden Markov models for analyzing DNA microarrays gene expression data, will be reported. A new approach will be compared with similar approaches used in other publications. The proposed algorithms will be composed of two parts: discovery and classification. By means of training data an universal classifier will be created, which efficiency as well as other parameters will be measured by testing data.

Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies