文献

J-GLOBAL ID：201702237178483444   整理番号：17A0213947

転写因子結合部位解析のための隠れMarkovモデルを訓練するための再評価ブレインストーム(brain storm)最適化【Powered by NICT】

A Re-estimation Brain Storm Optimization to Train Hidden Markov Model for Transcription Factor Binding Site Analysis

著者 (2件)： Ma Xinyuan ,  Xian Ning
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： ICMLA  ページ： 134-139  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： の転写因子結合部位(TFBS)計算機解析は生物情報学における最も挑戦的な課題の一つである。TFBS配列のセットは,多重配列アラインメント(MSA)の一種である。MSAをモデル化するための強力なツールとして,隠れMarkovモデル(HMM)はTFBS分析に適用されてきた。しかし,TFBS問題の大きさの,決定論的方法でHMM訓練は計算上難しい。伝統的な発見的Baum-Welch(BW)アルゴリズムは初期条件に大きく依存するが,進化optimizatioinアプローチはモデルを訓練するために適用した。これらの方法は,合理的な結果を示したが改善する多くを有していた。本論文では,著者らはTFBS解析のためのHMMを訓練するための再評価脳嵐最適化(RBSO)アルゴリズムを提案した。ハイブリッドアルゴリズムは脳嵐最適化(BSO)の大域的最適化能力とBWベース再推定演算子の収束速度の利点を組み合わせたものである。アルゴリズムは,従来のBSOに比べてかなり改善された。比較実験では,RBSOはこの問題に使用され,対数オッズスコア,収束速度とロバスト性を含む全ての重要な基準から判断された他のアプローチよりもかなり優れていた。結果は,筆者らのアルゴリズムは将来のTFBS配列決定研究における広範な使用に非常に有望であることを示す。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： *隠れMarkovモデル ,  ロバスト性 ,  アルゴリズム ,  *最適化 ,  初期条件 ,  モデリング
準シソーラス用語： 収束速度 ,  大域的最適化 ,  ハイブリッドアルゴリズム ,  決定論的方法 ,  配列アライメント ,  バイオインフォマティクス ,  コンピュータ解析 ,  *再評価 ,  *転写因子結合部位 , 【Automatic Indexing@JST】

分類 (3件)： 分子・遺伝情報処理  (JE15040B) ,  音声処理  (JE05000E) ,  信号理論  (ND02020G)

タイトルに関連する用語 (9件)： 転写因子結合部位 ,  解析 ,  隠れMarkovモデル ,  訓練 ,  評価 ,  ブレイン ,  ストーム ,  STORM ,  最適化