Identification of secondary and tertiary motifs in DNA sequences through naive Bayesian text classification
Luận án · Tiến sĩ · năm 2006 · đề tài tham khảo
| Loại tài liệu | Luận án |
|---|---|
| Bậc học | Tiến sĩ |
| Tác giả | Rodney V Villalobos |
| Cơ sở đào tạo | Đại học Quốc gia TP. Hồ Chí Minh |
| Năm | 2006 |
| Nguồn | Thư viện số Đại học Quốc gia TP. Hồ Chí Minh · trang gốc |
Tóm tắt
Faced with uncertain data and an unpredictable return on computational tool investment, researchers are opting for laboratory studies over in silico (computer based) studies. This study addressed the lack of efficiency in identifying motifs (biologically significant amino sequences) in deoxyribonucleic acid (DNA) sequences via naive Bayesian text classification. DNA is a nucleic acid that carries genetic information in cells. A naive Bayesian text classifier is a machine-learning tool that uses automated means of determining metadata and has been used to identify e-mail worms, viruses, and spam. This quantitative study utilized a naive Bayesian text classification algorithm as the primary data collection technique. The data were analyzed using the independent t test and the chi-square goodness of fit test to address the research questions. Based on the tests conducted, naive Bayesian text classification is not effective in identifying and classifying motifs. The results do suggest that secondary and tertiary motifs can be found in DNA sequences using machine learning. Given these 2 conclusions, the study adds to the area of research by furthering ways to help researchers handle large amounts of data that may point to more effective drugs, faster development of these drugs to the marketplace, and improvement to the care and cure of diseases.
Bản toàn văn lưu tại thư viện Đại học Quốc gia TP. Hồ Chí Minh
Thông tin và tóm tắt ở trên lấy từ kho số mở của thư viện trường. Bản toàn văn do thư viện trường quản lý — có nơi cho đọc trực tuyến, có nơi cần tài khoản bạn đọc của trường.
Mở tại thư viện trường ↗
Dùng tài liệu tham khảo cho đúng
- Đọc để hiểu cách người trước đặt câu hỏi, chọn phương pháp, trình bày số liệu — rồi tự làm với dữ liệu và bối cảnh của bạn.
- Ý, số liệu, bảng biểu lấy từ tài liệu này phải trích dẫn (tác giả, năm, tên đề tài, cơ sở đào tạo).
- Đề tài trùng tên vẫn làm được nếu khác đơn vị khảo sát, thời gian hoặc cách tiếp cận — nêu rõ điểm khác trong phần mở đầu.
Đề tài cùng ngành
- Bài toán Dirichlet cho phương trình Carrier phi tuyến chứa số hạng tích chập với nguồn phi tuyến
- Về các vật chia được trong phạm trù cộng tính
- Nghiên cứu sử dụng Bifidobacterium longum dạng vi gói làm probiotic và thăm dò khả năng ứng dụng trong lên men nước chanh dây
- Phương pháp số cho phương trình Schrodinger có nhiễu
- Khảo sát khả năng kháng khuẩn và kháng oxy hóa của tinh dầu vỏ Chanh (Citrus aurantifolia)
- Nghiên cứu quy trình biên dịch cho MIPS core 32 bits và hiện thực giai đoạn P&R
- Khảo sát thành phần hóa học cao Ethyl Acetat của vỏ cây Còng trắng (Calophyllum soulattri) và vỏ cây Tiama(Entandrophragma angolense)
- Phương pháp phân tích mốt thực nghiệm trong phân tích tài liệu trọng lực và từ
Tác giả muốn gỡ, sửa thông tin hoặc bổ sung bản toàn văn: gửi yêu cầu qua trang Liên hệ, kèm đường dẫn trang này.