机译:基于核苷酸序列模式的Rna病毒基因组剪接位点预测算法
Institute of Biomedical Engineering, National Taiwan University, 1, Section l,Jen-Ai Road, Taipei 100, Taiwan, ROC;
splice site prediction; rna virus; eigen-pattern; cross-species strategy; orthomyxovirus;
机译:基于剪接信号和调控元件序列模式的剪接位点预测新方法
机译:基于剪接信号和调控元件序列模式的剪接位点预测新方法
机译:通过基因组DNA与蛋白质序列的剪接比对预测基因结构:通过差异剪接位点评分提高准确性。
机译:寻找人类基因组DNA中选择性剪接的特征序列模式
机译:一种通过整合组装和无组装算法分析基因组序列的方法
机译:基于Adaboost-SVM的概率算法可基于结构化序列特征预测所有成熟的miRNA位点
机译:图4:(a)一种保守序列,其发生在芯片-SEQ数据集中的46,264个结合位点峰值中的79倍。说明了这种保守序列的突变分布,其中'_'表示该碱度不变; del表示此基础丢失; INS X表示新的基础X插入此基础前面。 (b)列出了几种重复的元素模式。 (c)在第一栏中,示出了由MEME芯片工具(Machanick&Bailey,2011)开采的前五个DNA主题。由CFSP算法发现的相应保守序列列于第二列中。在第三列中,列出了从突变信息转换的特定位置的评分矩阵。 MEME主题与PSSM格式的相似性与PSSM格式之间的相似性通过邮票图章比较工具(Mahony&Benos,2007)计算。这些对相似性的电子值显示在第四列中。 (d)在由GKMSVM描述符聚集的每个组中选择了一个图案,下面列出了CFSP算法的相应主题。 (e)从https://www.encodeproject.org收集的,有附加数据集(文件no:cernff100grl,cenf616irl,conf8.20cer,target:srebf1)。使用MEME工具在每个文件中选择前两个图案,并且我们的算法发现的相应主题如下所示。