埃维根

整合Evigan基因的隐性基因预测模型。动机:与基因注释相关的证据的多样性和多样性要求建立一个自动整合这些证据以产生候选基因模型的概率框架。结果:Evigan是一个用于真核生物基因组的自动基因注释程序,采用概率推理来整合多个基因证据来源。概率模型是一个动态Bayes网络,其参数被调整以使观察到的证据的概率最大化。一致的基因预测然后通过最大似然解码得到,得到n个最佳模型(每个模型都有概率)。Evigan能够适应各种证据类型,包括(但不限于)由不同基因发现者计算的基因模型、爆炸命中、EST匹配和剪接位点预测;学习参数编码证据源的相对质量。由于不需要单独的训练数据(除了个别基因发现者使用的训练集),Evigan对新测序的基因组特别有吸引力,因为这些基因组很少或没有可靠的人工注释。产生一个可供选择的基因模型的排序列表的能力可以促进选择性剪接转录本的识别。在编码人类基因组区域、间日疟原虫和拟南芥基因组的实验应用表明,Evigan比任何作为证据的单独数据源取得了更好的性能。可用性:源代码可从http://www.seas.upenn.edu/strctln/evigan/evigan.html获得。


zbMATH参考文献(参考 5篇文章

显示第1到第5个结果,共5个。
按年份排序(引用)

  1. Axelson Fisk,Marina:比较基因发现。模型、算法和实现(2015)
  2. 陈敏敏;温伯格,基莲Q;徐志祥(Eddie);沙飞:边缘化堆叠线性去噪自编码器(2015)ioport公司
  3. Dorri,Fatemeh;Ghodsi,Ali:通过学习适应组件最小化源域和目标域之间的差异(2014)ioport公司
  4. Christiansen,Henning;Have,Christian Theil;Lassen,Ole Torp;Petit,Matthieu:用于复杂序列分析的贝叶斯注释网络(2011)
  5. Liu,Qian;Mackey,Aaron J.;Roos,David S.;Pereira,Fernando C.N.:Evigan:用于整合真核生物基因预测的基因证据的隐藏变量模型。(2008年)ioport公司


更多出版物请访问:http://www.seas.upenn.edu/~strctln/bib/papers.html