文献

J-GLOBAL ID：201502218997587524   整理番号：15A0965182

因子化情報基準によるクロマチン状態の学習

Learning chromatin states with factorized information criteria

著者 (6件)： HAMADA Michiaki (Waseda Univ., Tokyo, JPN) ,  HAMADA Michiaki (National Inst. of Advanced Industrial Sci. and Technol. (AIST), Tokyo, JPN) ,  ONO Yukiteru (Information and Mathematical Sci. and Bioinformatics Co., Ltd., Tokyo, JPN) ,  FUJIMAKI Ryohei (NEC Lab. America, CA) ,  ASAI Kiyoshi (National Inst. of Advanced Industrial Sci. and Technol. (AIST), Tokyo, JPN) ,  ASAI Kiyoshi (Univ. Tokyo, Kashiwa, JPN)
資料名： Bioinformatics  (Bioinformatics)
巻： 31  号： 15  ページ： 2426-2433  発行年： 2015年08月01日 
JST資料番号： T0478A  ISSN： 1367-4803  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 次世代シークエンシング技術により同定されたゲノムワイドクロマチン目印により示されたクロマチン状態を推定する方法を提案した。この方法はクロマチン状態の数を推定し,最近提案されたモデル選択技術,因子化情報基準と組み合わされた隠れMarkovモデルに基づいて各状態を特性化した。わずか2つの調整可能パラメータのみに依存し可能な限り発見的手順を避けるので,この方法は不偏性モデルを与えると予測される。Bayes情報基準に依存する方法がモデル構造を学習できないときでも,この方法は適切なモデルを学習することをシミュレーションされたデータセットを用いた計算機実験が示した。

シソーラス用語： *操作 ,  *因子分析 ,  *情報 ,  *クロマチン ,  *学習 ,  *学習モデル ,  ヌクレオチド配列 ,  ゲノムワイド関連解析 ,  ゲノム ,  パラメタリゼーション ,  隠れMarkovモデル ,  パラメータ ,  発見的方法 ,  Bayes推定 ,  シミュレーション ,  集合 ,  データ ,  計算機シミュレーション
準シソーラス用語： データセット ,  *モデル学習 ,  モデル選択 ,  *因子化 ,  計算機実験 ,  次世代シークエンシング

分類 (4件)： 統計的品質管理  (KB04030W) ,  公共情報システム  (AC07000D) ,  細胞構成体一般  (EF03010Z) ,  オペレーションズリサーチ一般  (KA03010Q)

タイトルに関連する用語 (3件)： 因子化 ,  クロマチン ,  学習