...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Journal of Bioinformatics and Computational Biology >A TUTORIAL ON MARKOV MODELS BASED ON MENDEL'S CLASSICAL EXPERIMENTS
【24h】

A TUTORIAL ON MARKOV MODELS BASED ON MENDEL'S CLASSICAL EXPERIMENTS

机译：基于Mendel古典实验的马尔可夫模型教程

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Hidden Markov Models (HMM) can be extremely useful tools for the analysis of data from biological sequences, and provide a probabilistic model of protein families. Most reviews and general introductions follow the excellent tutorial by Rabiner,1 where the focus is outside biology. Mendel's famous experiments in plant hybridisation were published in 1866 and are often considered the icebreaking work of modern genetics. He had no prior knowledge of the dual nature of genes, but through a series of experiments he was able to anticipate the hidden concept and name it "Elemente". In this paper we present the background, theory and algorithms of HMM based on examples from Mendel's experiments, and introduce the toolbox "mendelHMM". This approach is considered to have some intuitive advantages in a biological and bioinformatical setting. Applications to analysing bio-sequences like nucleic acids and proteins are also discussed.
机译：隐藏的马尔可夫模型（HMM）可以是用于分析生物序列的数据的极其有用的工具，并提供蛋白质家族的概率模型。 大多数评论和一般介绍遵循Rabiner的优秀教程，1焦点在于生物学之外。 孟德尔在1866年出版了植物杂交中的着名实验，并且通常被认为是现代遗传学的破冰工作。 他没有先前了解基因的双重性质，而是通过一系列实验，他能够预测隐藏的概念并将其命名为“Expontee”。 在本文中，我们基于Mendel实验的示例介绍了HMM的背景，理论和算法，并介绍了工具箱“Mendelhmm”。 这种方法被认为在生物和生物信息设置中具有一些直观的优势。 还讨论了分析生物序列等生物序列等核酸和蛋白质的应用。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号