文献

J-GLOBAL ID：201802260128772537   整理番号：18A0161435

ChIP-seqデータセットのためのソフトバッグに基づくモチーフ発見【Powered by NICT】

Soft-bag based motif discovery for ChIP-seq datasets

著者 (2件)： Zhang Hongbo (Institute of Machine Learning and Systems Biology, School of Electronics and Information Engineering, Tongji University, No. 4800 Caoan Road, Shanghai 201804, China) ,  Huang De-Shuang (Institute of Machine Learning and Systems Biology, School of Electronics and Information Engineering, Tongji University, No. 4800 Caoan Road, Shanghai 201804, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： BIBM  ページ： 146-149  発行年： 2017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： ハイスループット配列決定技術の急速な発展は,転写因子結合の研究のためのユニークな機会を提供し,新しい計算課題をもたらした。最近,識別モチーフ発見(DMD)の一連の方法が提案され,これらの課題に対処するための有望な解決法を提供する。しかし,膨大な計算コストのため,それらの大部分はモチーフ表現の精度を犠牲にする近似方式を選ぶかそれともモチーフパラメータを調整間接的にしなければならない。本論文では,著者らはChIP-seqデータセットからモチーフを発見するためのソフトバッグベースモチーフ発見(SMD)を提案した。SMDは自然標識バッグとして入力系列を定式化した。,一般化されたソフトマージンSVMは目的関数を構築するために適用し,DMDのような方式は,それを解くために設計した。近似学習戦略とは対照的に,SMDは連続空間における直接モチーフPWMを最適化し,知られているTF DNA結合事実と一致して近いことができる。実ChIP-seqデータセット上での実験結果は,SMDは以前のDMD法(DREME,HOMERとXXmotifを含む)の性能を大きく上回っていることを示した。Copyright 2018 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： 目的関数 ,  高速度 ,  最適化 ,  *近似法 ,  DNA【核酸】 ,  転写因子 ,  定式化
準シソーラス用語： 計算コスト ,  ハイスループット ,  *モチーフ発見 , 【Automatic Indexing@JST】

分類 (2件)： 分子・遺伝情報処理  (JE15040B) ,  遺伝子の構造と化学  (EC02020U)

タイトルに関連する用語 (5件)： CHIP ,  データセット ,  ソフト ,  バッグ ,  モチーフ発見