SMCis: An Effective Algorithm for Discovery of Cis-Regulatory Modules.
SMCis: An Effective Algorithm for Discovery of Cis-Regulatory Modules.
复制标题
SMCis：发现顺式调控模块的有效算法
DOI：
10.1371/journal.pone.0162968
复制
发表时间：
2016
期刊：
影响因子：
3.7
通讯作者：
Yu Q
中科院分区：
文献类型：
--
作者：
Guo H;Huo H;Yu Q
顺式调控模块（CRMs）的发现是计算生物学中的一个具有挑战性的问题。由于难以使用HMM对转录调控序列（trs）中的依赖特征进行建模，基于HMM的概率建模方法不能准确地表示trs中调控元件之间的距离，并且难以对CRMs中基序之间的普遍依赖关系进行建模。我们提出了一种称为SMCis的概率建模算法，该算法基于隐式半马尔可夫模型构建了一个更强大的CRM发现模型。我们的模型描述了crm的调控结构，并在基于片段而不是核苷酸的更高抽象水平上有效地模拟了基序之间的依赖关系。在三个基准数据集上的实验结果表明，我们的方法比比较的算法性能更好。
The discovery of cis-regulatory modules (CRMs) is a challenging problem in computational biology. Limited by the difficulty of using an HMM to model dependent features in transcriptional regulatory sequences (TRSs), the probabilistic modeling methods based on HMMs cannot accurately represent the distance between regulatory elements in TRSs and are cumbersome to model the prevailing dependencies between motifs within CRMs. We propose a probabilistic modeling algorithm called SMCis, which builds a more powerful CRM discovery model based on a hidden semi-Markov model. Our model characterizes the regulatory structure of CRMs and effectively models dependencies between motifs at a higher level of abstraction based on segments rather than nucleotides. Experimental results on three benchmark datasets indicate that our method performs better than the compared algorithms.
登录
查看更多内容
影响因子：
3
作者：
Fariselli P;Martelli PL;Casadio R
通讯作者：
Casadio R
影响因子：
14.9
作者：
Rouault H;Santolini M;Schweisguth F;Hakim V
通讯作者：
Hakim V
影响因子：
14.9
作者：
Gallo SM;Gerrard DT;Miner D;Simich M;Des Soye B;Bergman CM;Halfon MS
通讯作者：
Halfon MS
DOI：
10.1109/89.536930
发表时间：
1996-09-01
期刊：
IEEE TRANSACTIONS ON SPEECH AND AUDIO PROCESSING
影响因子：
--
作者：
Ostendorf, M;Digalakis, VV;Kimball, OA
通讯作者：
Kimball, OA
影响因子：
64.5
作者：
Hallikas, O;Palin, K;Taipale, J
通讯作者：
Taipale, J