Titelaufnahme

Titel
Learning inhomogeneous parsimonious Markov models with application to DNA sequence analysis / von Ralf Eggeling
VerfasserEggeling, Ralf
BeteiligteGroße, Ivo
BetreuerCerquides Bueno, Jesús Prof. Dr.
Erschienen2014 ; Halle, Saale : Universitäts- und Landesbibliothek Sachsen-Anhalt, 2014
UmfangOnline-Ressource (159 Bl. = 4,83 mb)
HochschulschriftHalle, Univ., Naturwissenschaftliche Fakultät III, Diss., 2014
Anmerkung
Tag der Verteidigung: 20.11.2014
Sprache der Zusammenfassung: Deutsch
SpracheEnglisch
DokumenttypE-Book
SchlagwörterBioinformatik / Maschinelles Lernen / Statistisches Modell / Halle
URNurn:nbn:de:gbv:3:4-13344 
Zugriffsbeschränkung
 Das Dokument ist frei verfügbar.
Dateien
Learning inhomogeneous parsimonious Markov models with application to DNA sequence analysis [4.82 mb]
Links
Nachweis
Keywords
Bioinformatik; maschinelles Lernen; probabilistische graphische Modelle; parsimonische Kontextbäume; Modellselektion; verborgene Variablen; Transkriptionsfaktorbindestellen; de-novo Motivsuche; statistische Abhängigkeiten
Keywords (Englisch)
bioinformatics; machine learning; probabilistic graphical models; parsimonious context trees; model selection; latent variables; transcription factor binding sites; de-novo motif discovery; statistical dependencies
Keywords
Statistische Modellierung von funktionalen Oligonukleotiden wie Transkriptionsfaktorbindungsstellen ist eines der klassischen Teilgebiete der Bioinformatik. Viele der bisherige Arbeiten auf diesem Gebiet basieren auf einem vergleichsweise einfachen Modell welches statistische Unabhängigkeit unter allen Nukleotiden innerhalb der Bindestellen annimmt. Diese Arbeit beschäftigt sich mit einer neuen Klasse von statistischen Modellen welche die Modellierung statistischer Abhängigkeiten zwischen benachbarten Nukleotiden ermöglicht und dabei eine sparsame Parameterisierung verwendet. Zum Lernen dieser Modelle werden verschiedene Bayessche und nicht-Bayessche Lernansätze sowohl für vollständig beobachtbare Daten als auch in Gegenwart von verborgenen Variablen diskutiert. Die Methodik wird verwendet um Eigenschaften funktionaler Transkriptionsfaktorbindestellen auf Basis von ChIP-seq Daten zu untersuchen. Die Ergebnisse zeigen dass statistische Abhängigkeiten innerhalb von Bindestellen in der Natur weit verbreitet sind und dass deren Modellierung die Vorhersage von Transkriptionsfaktorbindestellen verbessert.
Keywords
Statistical modeling of functional oligonucleotides such as transcription factor binding sites i.e. inferring a sequence motif with the incentive of predicting new instances is one of the classic fields within bioinformatics. Most of the previous work in this field is based on a comparatively simple motif model that assumes statistical independence among all nucleotide. Making use of additional features is to date limited by insufficient statistical models that suffer from overfitting. In this work we propose a new class of statistical models that allows modeling complex features in the data while keeping the parameter space small in order to avoid overfitting. For inferring these models from data we propose different Bayesian and non-Bayesian learning approaches both for fully observable data and in the presence of latent variables. We apply models and learning algorithms to investigate the phenomenon of statistical dependencies within sequence motifs of DNA-binding proteins. Using de novo motif discovery on ChIP-seq data we find that intra-motif dependencies are prevalent in nature and that modeling them increases prediction accuracy.