Hidden Markov models (HMMs) στην βιοπληροφορική
Περίληψη
Στην εποχή της γονιδιωματικής, τα μοντέλα ανάλυσης δεδομένων και οι αλγόριθμοι που παρέχουν τα μέσα για τη μείωση των μεγάλων σύνθετων συνόλων σε σημαντικές πληροφορίες είναι αναπόσπαστα για την περαιτέρω κατανόηση των σύνθετων βιολογικών συστημάτων. Τα κρυφά μαρκοβιανά μοντέλα (Hidden Markov Models) περιλαμβάνουν μια τέτοια τεχνική ανάλυσης δεδομένων που έχει γίνει η βάση πολλών εργαλείων βιοπληροφορικής. Η σχετική επιτυχία οφείλεται κυρίως στην εννοιολογική απλότητά της και στην ισχυρή στατιστική βάση. Παρά το γεγονός ότι είναι μια από τις πιο δημοφιλείς τεχνικές μοντελοποίησης και ανάλυσης δεδομένων για την ταξινόμηση ακολουθιών δεδομένων, οι ερευνητές έχουν λίγες διαθέσιμες επιλογές λογισμικού για να εφαρμόσουν γρήγορα το απαραίτητο πλαίσιο και αλγόριθμους μοντελοποίησης. Τα περισσότερα εργαλεία εξακολουθούν να είναι κωδικοποιημένα στο χέρι, επειδή οι τρέχουσες λύσεις υλοποίησης δεν παρέχουν την απαιτούμενη ευκολία ή ευελιξία που επιτρέπει στους ερευνητές να εφαρμόζουν μοντέλα με μ ...
περισσότερα
Περίληψη σε άλλη γλώσσα
In the era of genomics, data analysis models and algorithms that provide the means to reduce large complex sets into meaningful information are integral to further our understanding of complex biological systems. Hidden Markov models comprise one such data analysis technique that has become the basis of many bioinformatics tools. Its relative success is primarily due to its conceptually simplicity and robust statistical foundation. Despite being one of the most popular data analysis modeling techniques for classification of sequences of data, researchers have few available software options to rapidly implement the necessary modeling framework and algorithms. Most tools are still hand-coded because current implementation solutions do not provide the required ease or flexibility that allows researchers to implement models in non-traditional ways. In the current PhD thesis, we have developed an open-source hidden Markov model Java toolbox, called JUCHMME, that provides researchers with th ...
περισσότερα
Κατεβάστε τη διατριβή σε μορφή PDF (8.04 MB)
(Η υπηρεσία είναι διαθέσιμη μετά από δωρεάν εγγραφή)
|
Όλα τα τεκμήρια στο ΕΑΔΔ προστατεύονται από πνευματικά δικαιώματα.
|
Στατιστικά χρήσης
ΠΡΟΒΟΛΕΣ
Αφορά στις μοναδικές επισκέψεις της διδακτορικής διατριβής για την χρονική περίοδο 07/2018 - 07/2023.
Πηγή: Google Analytics.
Πηγή: Google Analytics.
ΞΕΦΥΛΛΙΣΜΑΤΑ
Αφορά στο άνοιγμα του online αναγνώστη για την χρονική περίοδο 07/2018 - 07/2023.
Πηγή: Google Analytics.
Πηγή: Google Analytics.
ΜΕΤΑΦΟΡΤΩΣΕΙΣ
Αφορά στο σύνολο των μεταφορτώσων του αρχείου της διδακτορικής διατριβής.
Πηγή: Εθνικό Αρχείο Διδακτορικών Διατριβών.
Πηγή: Εθνικό Αρχείο Διδακτορικών Διατριβών.
ΧΡΗΣΤΕΣ
Αφορά στους συνδεδεμένους στο σύστημα χρήστες οι οποίοι έχουν αλληλεπιδράσει με τη διδακτορική διατριβή. Ως επί το πλείστον, αφορά τις μεταφορτώσεις.
Πηγή: Εθνικό Αρχείο Διδακτορικών Διατριβών.
Πηγή: Εθνικό Αρχείο Διδακτορικών Διατριβών.