西德姆

从大概率序列学习矩阵。提出并分析了一种新的种子驱动的PPM学习算法SeedHam。为了学习长度PPM,该算法使用训练数据中最频繁的(ellmer)作为种子,然后将学习限制在属于种子的Hamming邻域的训练数据中。PPM是基于背景校正的(ell)MER计数,使用一种算法从(非均匀)Hamming样本中估计(ell)类别分布的乘积。SeedHam方法用于从包含丰富motif实例的大序列集(多达数百个mbase)中学习PPM。该方法的一个变体被引入,它减少了来自模体的人工实例的污染,从而允许使用更大的Hamming邻域。为了解决双链DNA中的基序定位问题,在分析序列回文结构的基础上,提出了一种新的种子发现规则。实验结果表明,我们的算法优于两种常用的方法。该方法的C++实现可以从url{https://github.com/jttoivon/seedham/}获得。

此软件的关键字

这里的任何内容都将在支持canvas元素的浏览器上被替换