文献

J-GLOBAL ID：201902269640137477   整理番号：19A2443128

ランダムフォレストによるRNA分子特異的ハイブリダイゼーションの予測【JST・京大機械翻訳】

Predicting RNA Molecular Specific Hybridization via Random Forest

著者 (5件)： Zhu Weijun (School of Information Engineering, Zhengzhou University, Zhengzhou, China) ,  Liu Xiaokai (School of Mathematics and Statistics, Zhengzhou University, Zhengzhou, China) ,  Wang Zhenfei (School of Information Engineering, Zhengzhou University, Zhengzhou, China) ,  Fan Yongwen (School of Information Engineering, Zhengzhou University, Zhengzhou, China) ,  Wang Jianwei (School of Information Engineering, Zhengzhou University, Zhengzhou, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： ICBCB  ページ： 35-38  発行年： 2019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： RNAハイブリダイゼーションは,バイオインフォマティクスにおける一般的RNAシミュレーションソフトウェアにおける最も重要な操作の1つである。しかしながら,特異的RNAハイブリダイゼーションが許容できる時間内で効果的であるかどうかを決定することは挑戦的な課題であり,このミッションは組合せ問題により引き起こされる指数的計算複雑性を有するからである。ここでは,この問題に取り組むために機械学習(ML)ベースの技術を導入した。そして,ランダムフォレスト(RF)アルゴリズムを採用して,ハイブリッド化の結果に関するRNA分子符号化とそれらの分類の多くのグループを,ML訓練のためにRFに入力した。訓練されたMLモデルは,RNAハイブリダイゼーション結果の分類を予測するために適用される。実験結果は,RFベースの方式の平均計算効率が既存の方式のものより190690倍高いのを示している。一方,前者の方式の予測精度は後者のものと比較して97.7%である。Copyright 2019 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 計算量 ,  機械学習 ,  組合せ問題 ,  アルゴリズム ,  *RNA【核酸】
準シソーラス用語： 予測精度 ,  シミュレーションソフトウェア ,  バイオインフォマティクス ,  *ランダムフォレスト , 【Automatic Indexing@JST】

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： ランダムフォレスト ,  RNA ,  分子 ,  ハイブリダイゼーション ,  予測