文献

J-GLOBAL ID：201802288044943054   整理番号：18A0161413

パターン指向の整列したパターンクラスタリング【Powered by NICT】

Pattern-directed aligned pattern clustering

著者 (2件)： Sze-To Antonio (Systems Design Engineering, University of Waterloo, Waterloo, Canada) ,  Wong Andrew K. C. (Systems Design Engineering, University of Waterloo, Waterloo, Canada)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： BIBM  ページ： 28-35  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： 機能領域の特定は蛋白質ファミリーの蛋白質配列解析のための基本的に重要である。このような知識は,より良好な科学的理解を提供するだけでなく,支援薬物発見。ドメインアノテーションは一つの方法であるが,既存のデータベースを活用する必要がある。de novo発見のために,モチーフ発見は,局所的な類似配列を局在し整列させ,位置-重みマトリックス(PWM)としてそれらを表している。しかし,PWMは固定長モデルである蛋白質の機能的領域の大きさが変化した。さらに,PWMを得るために,幅範囲パラメータは全数検索によって同定される必要がある。,大規模データセットのための計算集約的である。本論文では,保存された蛋白質の機能領域における残基を発見し,整列するパターン指向整列パターンクラスタリング(PD APCn)として知られている新しい方法を提案した。可変パターン長を可能にする表現モデルとして整列したパターンクラスタ(APC)を採用した。強い支持をもつパターンを用いたAPCの増分展開を指示するために,置換とフレームシフト変異を可能にし,ロバストな停止条件に達するまで。ブレークポイントギャップの概念は,置換とフレームシフト変異を有する非被覆保存されたパターンを同定するために導入される,これらはしばしば稀な変異体である。PD APCnの性能を評価するために,著者らは異なるサイズと騒音レベルを持つ合成データセット上で実験を行った。一般的モチーフ発見アルゴリズムMEMEと比較して,PD APCnは実験を通して比肩可能な性能を示した,400までの高い再現率とFmeasureを得る×MEMEと比較して大きな計算スピードアップ。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： 騒音レベル ,  集中化 ,  *アラインメント ,  タンパク質 ,  ロバスト性 ,  フレームシフト突然変異 ,  データベース ,  高速化 ,  アルゴリズム
準シソーラス用語： 再現率 ,  大規模データセット ,  全数検索 ,  モチーフ発見 ,  蛋白質配列解析 ,  *パターンクラスタリング , 【Automatic Indexing@JST】

分類 (2件)： 分子構造  (EB03020Y) ,  分子・遺伝情報処理  (JE15040B)

タイトルに関連する用語 (2件)： 整列 ,  パターンクラスタリング