生物优化器

BioOptimizer:一种基于贝叶斯评分函数的motif发现方法。动机:转录因子(TFs)直接与基因组上的短片段结合,通常在基因转录起始位点上游数百到数千个碱基对内,以调节基因表达。TFs结合位点的实验测定既昂贵又耗时。但在很多情况下,显然都没有开发出优等的程序。从业者经常发现很难判断这些算法预测的母题中哪一个更可能与生物学相关。结果:基于完全贝叶斯模型,我们得到了一个综合评分函数,它可以处理未知的位点丰度、未知的基序宽度和两个可变长度间隔的块基序。在这个程序中,为了减少噪声,提出了一种寻找基模函数的bio优化算法。生物优化器的准确度可以与几个现有的程序结合使用,当通过模拟研究和对细菌中的共调节基因集的应用进行评估时,它比单独使用这些基序发现程序都要优越。此外,这种评分函数公式使我们能够客观地比较不同的预测母题并选择最佳的,有效地结合了现有程序的优点。可用性:可以从www.fas.harvard.edu/junliu/BioOptimizer下载BioOptimizer/


zbMATH参考文献(参考 6篇文章 参考)

显示结果1到6,共6个。
按年份排序(引用)

  1. Kasabov,Nikola(编辑):Springer生物/神经信息学手册(2014)
  2. 陈德明;李刚;梁光萨克;李建红:基于广义模型发现多个现实主义TFBS母题(2009)ioport公司
  3. Corander,Jukka;Ekdahl,Magnus;Koski,Timo:DNA调节结合区域的贝叶斯无监督学习(2009)ioport公司
  4. Ewens,Warren J.:关于统计学在基因组学和生物信息学中的应用(2008)
  5. Tsukahara,Takuma;Kim,Sun;Taylor,Milton W.:改进:识别DNA序列中干扰素反应元件的搜索框架——ISRE和GAS的案例研究(2006)
  6. 王传才;谢军;克雷格,B.A.:转录因子结合位点发现的上下文依赖模型(2006)