دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش: 1
نویسندگان: Wyatt Travis Clark (auth.)
سری: SpringerBriefs in Computer Science
ISBN (شابک) : 9783319041377, 9783319041384
ناشر: Springer International Publishing
سال نشر: 2014
تعداد صفحات: 50
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 3 مگابایت
کلمات کلیدی مربوط به کتاب ارزیابی نظری اطلاعات برای هستی شناسی زیست پزشکی محاسباتی: زیست شناسی محاسباتی/ بیوانفورماتیک، تحلیل الگوریتم و پیچیدگی مسئله، ژنتیک انسانی، تشخیص الگو، انفورماتیک سلامت
در صورت تبدیل فایل کتاب Information-Theoretic Evaluation for Computational Biomedical Ontologies به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب ارزیابی نظری اطلاعات برای هستی شناسی زیست پزشکی محاسباتی نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
توسعه روشهای مؤثر برای پیشبینی حاشیهنویسیهای هستیشناختی یک هدف مهم در زیستشناسی محاسباتی است، اما ارزیابی عملکرد آنها به دلیل مشکلات ناشی از ساختار هستیشناسیهای زیست پزشکی و حاشیهنویسی ناقص ژنها دشوار است. این کار یک چارچوب نظری اطلاعاتی را برای ارزیابی عملکرد پیشبینی عملکرد پروتئین محاسباتی پیشنهاد میکند. برای مدلسازی احتمال قبلی عملکرد یک پروتئین، از یک شبکه بیزی استفاده میشود که بر اساس هستیشناسی زیربنایی ساختار یافته است. سپس مفاهیم اطلاعات نادرست و عدم قطعیت باقیمانده تعریف میشوند که میتوان آنها را شبیه به دقت و یادآوری دانست. در نهایت فاصله معنایی به عنوان یک آماره واحد برای رتبه بندی مدل های طبقه بندی پیشنهاد شده است. این رویکرد با تجزیه و تحلیل سه پیشبینیکننده عملکرد پروتئین از شرایط هستیشناسی ژن ارزیابی میشود. این کار به چندین نقطه ضعف معیارهای فعلی می پردازد و بینش های ارزشمندی را در مورد عملکرد ابزارهای پیش بینی عملکرد پروتئین ارائه می دهد.
The development of effective methods for the prediction of ontological annotations is an important goal in computational biology, yet evaluating their performance is difficult due to problems caused by the structure of biomedical ontologies and incomplete annotations of genes. This work proposes an information-theoretic framework to evaluate the performance of computational protein function prediction. A Bayesian network is used, structured according to the underlying ontology, to model the prior probability of a protein's function. The concepts of misinformation and remaining uncertainty are then defined, that can be seen as analogs of precision and recall. Finally, semantic distance is proposed as a single statistic for ranking classification models. The approach is evaluated by analyzing three protein function predictors of gene ontology terms. The work addresses several weaknesses of current metrics, and provides valuable insights into the performance of protein function prediction tools.
Front Matter....Pages i-vii
Introduction....Pages 1-11
Methods....Pages 13-28
Experiments and Results....Pages 29-41
Discussion....Pages 43-44
Back Matter....Pages 45-46