Метод k-mer у завданнях виявлення закономірних послідовностей
У статті порівнюються дві методології попередньої обробки послідовностей ДНК людини для покращення ідентифікації конкретних генетичних захворювань за допомогою методів машинного навчання. Перший підхід забезпечує вибірку слів k-mer, тоді як другий використовує Multiple EM for Motif Elicitation (MEME...
Saved in:
| Published in: | Проблеми керування та інформатики |
|---|---|
| Date: | 2024 |
| Main Author: | |
| Format: | Article |
| Language: | Ukrainian |
| Published: |
Інститут кібернетики ім. В.М. Глушкова НАН України
2024
|
| Subjects: | |
| Online Access: | https://nasplib.isofts.kiev.ua/handle/123456789/211159 |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| Journal Title: | Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| Cite this: | Метод k-mer у завданнях виявлення закономірних послідовностей / Є.О. Терпіловський // Проблеми керування та інформатики. — 2024. — № 3. — С. 77–83. — Бібліогр.: 9 назв. — укр. |
Institution
Digital Library of Periodicals of National Academy of Sciences of Ukraine| _version_ | 1862741837292240896 |
|---|---|
| author | Терпіловський, Є.О. |
| author_facet | Терпіловський, Є.О. |
| citation_txt | Метод k-mer у завданнях виявлення закономірних послідовностей / Є.О. Терпіловський // Проблеми керування та інформатики. — 2024. — № 3. — С. 77–83. — Бібліогр.: 9 назв. — укр. |
| collection | DSpace DC |
| container_title | Проблеми керування та інформатики |
| description | У статті порівнюються дві методології попередньої обробки послідовностей ДНК людини для покращення ідентифікації конкретних генетичних захворювань за допомогою методів машинного навчання. Перший підхід забезпечує вибірку слів k-mer, тоді як другий використовує Multiple EM for Motif Elicitation (MEME) для розпізнавання мотиву. Порівняння методів показало, що у контексті ідентифікації генетичних захворювань k-mer має переваги у швидкості та ефективності, що робить його більш придатним для практичного застосування у клінічних умовах. Метод k-mer продемонстрував високу точність та ефективність, що робить його ідеальним для інтеграції у клінічні системи.
The study compares two methodologies for preprocessing human DNA sequences to improve the identification of specific genetic diseases using machine learning techniques. The first approach involves k-mer word sampling, while the second uses Motif Elicitation (MEME) for motif recognition. A comparison of the methods showed that k-mer has advantages in speed and efficiency, making it more suitable for practical application in clinical settings. The k-mer method demonstrated high accuracy and efficiency, making it an ideal candidate for integration into clinical systems.
|
| first_indexed | 2026-04-17T18:04:08Z |
| format | Article |
| fulltext | |
| id | nasplib_isofts_kiev_ua-123456789-211159 |
| institution | Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| issn | 0572-2691 |
| language | Ukrainian |
| last_indexed | 2026-04-17T18:04:08Z |
| publishDate | 2024 |
| publisher | Інститут кібернетики ім. В.М. Глушкова НАН України |
| record_format | dspace |
| spelling | Терпіловський, Є.О. 2025-12-25T09:08:33Z 2024 Метод k-mer у завданнях виявлення закономірних послідовностей / Є.О. Терпіловський // Проблеми керування та інформатики. — 2024. — № 3. — С. 77–83. — Бібліогр.: 9 назв. — укр. 0572-2691 https://nasplib.isofts.kiev.ua/handle/123456789/211159 519.7 10.34229/1028-0979-2024-3-5 У статті порівнюються дві методології попередньої обробки послідовностей ДНК людини для покращення ідентифікації конкретних генетичних захворювань за допомогою методів машинного навчання. Перший підхід забезпечує вибірку слів k-mer, тоді як другий використовує Multiple EM for Motif Elicitation (MEME) для розпізнавання мотиву. Порівняння методів показало, що у контексті ідентифікації генетичних захворювань k-mer має переваги у швидкості та ефективності, що робить його більш придатним для практичного застосування у клінічних умовах. Метод k-mer продемонстрував високу точність та ефективність, що робить його ідеальним для інтеграції у клінічні системи. The study compares two methodologies for preprocessing human DNA sequences to improve the identification of specific genetic diseases using machine learning techniques. The first approach involves k-mer word sampling, while the second uses Motif Elicitation (MEME) for motif recognition. A comparison of the methods showed that k-mer has advantages in speed and efficiency, making it more suitable for practical application in clinical settings. The k-mer method demonstrated high accuracy and efficiency, making it an ideal candidate for integration into clinical systems. uk Інститут кібернетики ім. В.М. Глушкова НАН України Проблеми керування та інформатики Стохастичні системи, нечіткі множини Метод k-mer у завданнях виявлення закономірних послідовностей The K-Mer Method in Tasks of Identifying Regular Sequences Article published earlier |
| spellingShingle | Метод k-mer у завданнях виявлення закономірних послідовностей Терпіловський, Є.О. Стохастичні системи, нечіткі множини |
| title | Метод k-mer у завданнях виявлення закономірних послідовностей |
| title_alt | The K-Mer Method in Tasks of Identifying Regular Sequences |
| title_full | Метод k-mer у завданнях виявлення закономірних послідовностей |
| title_fullStr | Метод k-mer у завданнях виявлення закономірних послідовностей |
| title_full_unstemmed | Метод k-mer у завданнях виявлення закономірних послідовностей |
| title_short | Метод k-mer у завданнях виявлення закономірних послідовностей |
| title_sort | метод k-mer у завданнях виявлення закономірних послідовностей |
| topic | Стохастичні системи, нечіткі множини |
| topic_facet | Стохастичні системи, нечіткі множини |
| url | https://nasplib.isofts.kiev.ua/handle/123456789/211159 |
| work_keys_str_mv | AT terpílovsʹkiiêo metodkmeruzavdannâhviâvlennâzakonomírnihposlídovnostei AT terpílovsʹkiiêo thekmermethodintasksofidentifyingregularsequences |