Wyniki wyszukiwania - BazTech

Ograniczanie wyników

2 Studia Informatica

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Sortuj według:

Ogranicz wyniki do:

Wyszukiwanie przybliżone sekwencji DNA z użyciem indeksu FM

Kawulok J.

Studia Informatica

2012

Vol. 33, nr 2A

493-506

Artykuł opisuje nowy algorytm wyszukiwania przybliżonego zadanych fragmentów DNA w długich sekwencjach. Zgodnie z zaproponowanym podejściem poszukiwany fragment jest dzielony na nakładające się słowa, których pozycje w badanej sekwencji są wyznaczane przez użycie indeksu FM. Wykorzystując tak otrzymaną listę pozycji słów w sekwencji, poszukuje się połączeń spełniających założenie o dopuszczalnej maksymalnej liczbie różnic. Stworzony algorytm został poddany walidacji eksperymentalnej, której wyniki przedstawiono w artykule.

This paper presents an algorithm for searching fragments of sequences in previously prepared DNA bases. The pattern is divided into words which overlap themselves. Their positions are found using FM-index, and they are used to search connections with each other under the assumption about a permissible maximum number of distinction.

Statystyczna analiza danych proteomicznych

Kawulok J., Polańska J.

Studia Informatica

2011

Vol. 32, nr 2A

229-243

Celem prac przedstawionych w niniejszym artykule była konstrukcja narzędzi do analizy danych proteomicznych, które pomogą w wykrywaniu choroby nowotworowej we wczesnym jej stadium. W prezentowanym artykule na początku została przeprowadzona wstępna obróbka widm masowych. Po zamodelowaniu ich za pomocą mieszanin gaussowskich wykorzystano klasyfikator SVM do rozdzielenia grupy z rakiem od grupy kontrolnej. Przedstawione wyniki badań potwierdziły skuteczność wykonanych operacji.

The aim of the work reported in this paper was to develop statistical tools for mass spectra analysis. They would make it possible to detect cancer at its early stages. The main goal was to construct a classifier which would best distinguish people with cancer from a control group. First, the mass spectral signal is pre-processed. Next, the signals are modeled using Gaussian mixtures and they are later classified. The obtained results confirmed the effectiveness of the presented method.