文献

J-GLOBAL ID：201702218834360809   整理番号：17A0142726

マルチラベル学習によるヒトスプライシング分岐点の予測【Powered by NICT】

The prediction of human splicing branchpoints by multi-label learning

著者 (5件)： Zhang Wen (State Key Lab of Software Engineering, Wuhan University, 430072, China) ,  Xiaopeng Zhu (School of Computer Science, Carnegie Mellon University, 5000 Forbes Avenue, Pittsburgh, PA 15213, USA) ,  Yu Fu (Program in Bioinformatics and Integrative Biology, University of Massachusetts Medical School, 368 Plantation Street, Worcester, 01605, USA) ,  Tsuji Junko (Program in Bioinformatics and Integrative Biology, University of Massachusetts Medical School, 368 Plantation Street, Worcester, 01605, USA) ,  Zhiping Weng (Program in Bioinformatics and Integrative Biology, University of Massachusetts Medical School, 368 Plantation Street, Worcester, 01605, USA)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： BIBM  ページ： 254-259  発行年： 2016年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： ヒトスプライシング分岐点は選択的スプライシングの機能的要素であり,分岐点に関する研究はヒトプレm RNA転写物の機構を理解するのに役立つことができる。多数ヒトスプライシング分岐点であるが,分岐点を同定する湿式法は労働集約的で時間がかかる。本論文では,人間の分岐点予測のためのモデルを構築するために機械学習技法を利用した。イントロンは複数の分岐点を持つかもしれないので,マルチラベル学習タスク,イントロンの特性に基づくイントロンの分岐点部位を予測するとして元の問題を定式化した。まず第一に,著者らはイントロン配列特徴の多様性,スパースプロファイル,ジヌクレオチドプロファイル,位置重み行列プロファイル,Markovモチーフプロファイル,およびポリピリミジントラクトプロファイルを抽出した。,効率および有効性を考慮して,著者らは三つの方法:部分的最小二乗回帰,正準相関分析と正則化正準相関分析,異なる角度からマルチラベル予測モデルを構築し,イントロン配列特徴を用いてを採用した。最後に,筆者等は各種のモデルを統合し,分岐点予測のためのアンサンブルモデルを開発するために平均スコアリングアンサンブル戦略を採用した。計算機実験により,提案した方法は実験的に検証されたデータセット上で満足すべき結果を生成し,その他の最先端レベル手法より優れていることを実証した。ヒトスプライシング分岐点予測のためのユーザフレンドリなWebサーバ,http://121.42.59.182:8080で利用可能なを開発した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 予測モデル ,  集中化 ,  最小二乗法 ,  選択的スプライシング ,  計算機シミュレーション ,  機械学習 ,  mRNA ,  *イントロン ,  学習 ,  正則化 ,  湿式法
準シソーラス用語： Webサーバ ,  ユーザフレンドリ性 ,  正準相関解析 ,  *分岐点 , 【Automatic Indexing@JST】

分類 (1件)： 遺伝子発現  (EC02040Q)

タイトルに関連する用語 (5件)： マルチ ,  ラベル ,  学習 ,  分岐点 ,  予測