mRNA-Signalstrukturerkennung mittels Knowledge Discovery

Kein Bild zugeordnet
Autor/en:
U. Bohnebeck
Umfang:
160
EAN/ISBN:
978-3-89838-249-6
Band:
249
Ausgabe:
softcover
Buchreihe:
Dissertationen zur Künstlichen Intelligenz
Kategorien:
Buch
Informatik
Künstliche Intelligenz
Dissertationen zur Künstlichen Intelligenz
Deutsch
Gesamtverzeichnis AKA Verlag
Preis:
25,00 €
inkl. 7% MwSt.
Die heutige moderne molekularbiologische Forschung ist ohne eine leistungsfähige Bioinformatik, welche die Entwicklung und Bereitstellung von Softwarewerkzeugen zur Speicherung, Organisation, Analyse und Interpretation der riesigen und weiter wachsenden genomischen Daten zum Ziel hat, nicht mehr denkbar. Ein spezielles Analyseproblem, mit dem sich diese Arbeit beschäftigt, besteht in der Erkennung von mRNA-Signalstrukturen – d.h. regulatorischer Motive, bestehend sowohl aus Sequenz- als auch Strukturmerkmalen – die eine wesentliche Rolle bei der Steuerung der Genexpression auf post-transkriptionaler Ebene spielen. In der Arbeit wird zum einem der gesamte Knowledge-Discovery-Prozess für diese Anwendung diskutiert und zweitens ein formales Ähnlichkeitsma? für den Vergleich von mRNA-Signalstrukturen entwickelt. Das verwendete Data Mining-Verfahren basiert dabei auf dem Prinzip der k-nächste-Nachbarn-Klassifikation und vereint den relationalen Repräsentationsformalismus der Induktiven Logikprogrammierung mit Methoden der Bioinformatik für den Vergleich molekularbiologischer Daten wie Sequenzen und RNA-Sekundärstrukturen. Hierzu wurden in ein bereits existierendes relationales instanzbasiertes Lernverfahren (RIBL) neue Datentypen wie Listen und Terme, deren assoziierte Ähnlichkeitsfunktionen auf dem Konzept der Edit-Distanz beruhen, integriert, und es wurde gezeigt, dass damit eine deutliche Steigerung der Klassifikationsgenauigkeit erreicht werden konnte.