Koneoppimista hyödyntävä sekvenssien kohdistus
Koneoppimista hyödyntävä sekvenssien kohdistus käyttää tilastollisia oppimismalleja – mukaan lukien syvät neuroverkot ja proteiinikielimallit – laskeakseen biologisesti merkityksellisiä kohdistuksia nukleotidi- tai aminohapposekvenssien välille. Oppimalla substituutiokuvioita ja rakenteellisia rajoitteita suurista koulutusaineistoista nämä menetelmät ylittävät klassisten pisteytysmatriisien (esim. BLOSUM, PAM) herkkyyden etäisten homologien ja rakenteellisesti rajoittuneiden alueiden kohdalla, tehden niistä nykyisen huipputeknologian vaikeisiin kohdistustehtäviin genomiikassa ja proteomiikassa.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
Lähteet
- Llinares-López, F., Berthet, Q., Blondel, M., Teboul, O., & Vert, J.-P. (2023). Deep embedding and alignment of protein sequences. Nature Methods, 20(1), 104–111. DOI: 10.1038/s41592-022-01700-2 ↗
- Jumper, J., Evans, R., Pritzel, A., et al. (2021). Highly accurate protein structure prediction with AlphaFold. Nature, 596(7873), 583–589. DOI: 10.1038/s41586-021-03819-2 ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 3). Machine Learning-Assisted Sequence Alignment. ScholarGate. https://scholargate.app/fi/bioinformatics/machine-learning-assisted-sequence-alignment
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Fylogeneettinen analyysiBioinformatiikka↔ compare
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →