JP2008146538A - マイクロrna検出装置、方法およびプログラム - Google Patents
マイクロrna検出装置、方法およびプログラム Download PDFInfo
- Publication number
- JP2008146538A JP2008146538A JP2006335470A JP2006335470A JP2008146538A JP 2008146538 A JP2008146538 A JP 2008146538A JP 2006335470 A JP2006335470 A JP 2006335470A JP 2006335470 A JP2006335470 A JP 2006335470A JP 2008146538 A JP2008146538 A JP 2008146538A
- Authority
- JP
- Japan
- Prior art keywords
- base
- microrna
- model
- mirna
- parameter
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 125
- 108091070501 miRNA Proteins 0.000 title description 17
- 239000002679 microRNA Substances 0.000 claims abstract description 464
- 108700011259 MicroRNAs Proteins 0.000 claims abstract description 450
- 239000013598 vector Substances 0.000 claims abstract description 130
- 238000012545 processing Methods 0.000 claims abstract description 15
- 230000007704 transition Effects 0.000 claims description 48
- 238000000034 method Methods 0.000 claims description 33
- 238000003860 storage Methods 0.000 claims description 23
- 230000008569 process Effects 0.000 claims description 19
- 239000011159 matrix material Substances 0.000 claims description 16
- 230000002093 peripheral effect Effects 0.000 claims description 15
- 108091032973 (ribonucleotides)n+m Proteins 0.000 claims description 5
- 238000005516 engineering process Methods 0.000 abstract description 4
- 230000006870 function Effects 0.000 description 18
- 238000004321 preservation Methods 0.000 description 9
- 238000004891 communication Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 6
- 238000009826 distribution Methods 0.000 description 6
- 230000008901 benefit Effects 0.000 description 5
- 230000014509 gene expression Effects 0.000 description 5
- 241000894007 species Species 0.000 description 4
- 206010028980 Neoplasm Diseases 0.000 description 3
- 241000251539 Vertebrata <Metazoa> Species 0.000 description 3
- 238000013459 approach Methods 0.000 description 3
- 201000011510 cancer Diseases 0.000 description 3
- 230000035772 mutation Effects 0.000 description 3
- 241000251468 Actinopterygii Species 0.000 description 2
- 241000271566 Aves Species 0.000 description 2
- 108020004414 DNA Proteins 0.000 description 2
- 108091029795 Intergenic region Proteins 0.000 description 2
- 241000124008 Mammalia Species 0.000 description 2
- 238000007476 Maximum Likelihood Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 230000000295 complement effect Effects 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 108020004999 messenger RNA Proteins 0.000 description 2
- 108091027963 non-coding RNA Proteins 0.000 description 2
- 102000042567 non-coding RNA Human genes 0.000 description 2
- 108091007428 primary miRNA Proteins 0.000 description 2
- 108090000623 proteins and genes Proteins 0.000 description 2
- 108020005345 3' Untranslated Regions Proteins 0.000 description 1
- 238000012935 Averaging Methods 0.000 description 1
- 241000244203 Caenorhabditis elegans Species 0.000 description 1
- 208000037051 Chromosomal Instability Diseases 0.000 description 1
- 102100023387 Endoribonuclease Dicer Human genes 0.000 description 1
- 108090000790 Enzymes Proteins 0.000 description 1
- 102000004190 Enzymes Human genes 0.000 description 1
- 101000907904 Homo sapiens Endoribonuclease Dicer Proteins 0.000 description 1
- 238000012300 Sequence Analysis Methods 0.000 description 1
- 108091036066 Three prime untranslated region Proteins 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 210000004027 cell Anatomy 0.000 description 1
- 230000011712 cell development Effects 0.000 description 1
- 230000024245 cell differentiation Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 239000012634 fragment Substances 0.000 description 1
- 230000005764 inhibitory process Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 210000004962 mammalian cell Anatomy 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 150000003839 salts Chemical class 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
【解決手段】マイクロRNA検出装置1は、入力された検出処理対象の塩基配列情報から生成した塩基ベクトル列データと、既知マイクロRNAの確率モデルであるマイクロRNAモデルとを用いて、塩基配列上でマイクロRNAモデルに適合する領域を求める。塩基ベクトル列データは、塩基配列の各塩基に対応する塩基ベクトルの列であり、各塩基ベクトルは、マイクロRNAの特徴である進化的保存度のパラメータと、安定ヘアピン構造を特徴付ける2次構造のパラメータを含んでいる。塩基ベクトルは、2次構造に関しては、、最小自由エネルギーのパラメータに加えて、ステムパラメータおよびループパラメータを含む。マイクロRNAモデルとしては隠れマルコフモデルが使われる。
【選択図】 図1
Description
Lim,L.P. et al. "The microRNAs of Caenorhabditis elegans," "GENES & DEVELOPMENT," Cold Spring Harbor Laboratory Press, April 2, 2003, vol.17, pp991-1008, www.genesdev.org
図3は、一つのmiRNAに沿ったパラメータCSの値を模式的に示している。パラメータCSは、conserbation scoreの略であり、phastConsプログラムにより計算することができる進化的保存度のパラメータであり、本発明の保存度パラメータに相当する。CSは0〜1の間の値であり、CSが大きいほど保存度が高い。
図4は、一つのmiRNAに沿ったパラメータZ−SCOREの値を模式的に示している。パラメータZ−SCOREは、2次構造に関するパラメータの一つであり、最小自由エネルギーの大きさを表すパラメータである。本実施の形態では特にZ−SCOREが各塩基の周辺領域における最小自由エネルギーの大きさを表すパラメータであって、本発明のエネルギーパラメータに該当する。
Z = (E − 〈E〉)/σ
ここで、Eは、与えられた配列の最小自由エネルギーである。〈E〉,σは、与えられた配列と同じ塩基組成を持つランダム配列の最小自由エネルギーの平均と標準偏差である。
図5は、一つのmiRNAに沿ったパラメータPL、PRの値を模式的に示している。パラメータPL、PRは、2次構造に関するパラメータの一つであり、特に、各塩基がmiRNAのヘアピン構造のステム部に位置する可能性の高さを表すパラメータであり、塩基対確率に基づいて表され、本発明のステムパラメータに相当する。本実施の形態では具体的にはパラメータPL、PRは各塩基がステム部に位置する確率の大きさを表しており、パラメータPL、PRは、それぞれ、各塩基が左ステム部(5’側ステム部)および右ステム部(3’側ステム部)に位置する確率を表す。言い換えれば、パラメータPLは、右側に位置する相補塩基と塩基対を作る確率であり、パラメータPRは、左側に位置する相補塩基と塩基対を作る確率である。本実施の形態では、パラメータPL、PRは以下のようにして求められる。
図8は、一つのmiRNAに沿ったパラメータV’の値を模式的に示している。パラメータV’は、2次構造に関するパラメータの一つである。パラメータV’は、特に、各塩基がmiRNAのヘアピン構造のループ部に位置する可能性の高さを表すパラメータであり、塩基対確率に基づいて表され、本発明のループパラメータに相当する。より具体的にはパラメータV’は塩基がループ部に位置する確率の大きさの表す。このパラメータV’も、下記のようにパラメータPL、PRの算出で使われたのと同じ塩基対確率行列を用いて求められる。
次に、上述の塩基ベクトル列データを用いて作られるmiRNAモデルおよび非miRNAモデルについて説明する。概略的には、既知のmiRNAが集められて、各miRNAから塩基ベクトル列データが生成され、それら塩基ベクトル列データが隠れマルコフモデル(以下、HMM)を用いてモデル化されて、miRNAモデルが生成される。同様に、miRNA以外の配列群から非miRNAモデルが生成される。
3 入力部
5 塩基ベクトル列生成部
7 miRNAモデル記憶部
9 miRNA検出部
11 出力部
21 既知miRNA群
23 非miRNA群(非保存クラス)
25 非miRNA群(中保存クラス)
27 非miRNA群(高保存クラス)
31、33、35、37 塩基ベクトル列群
41 miRNAモデル
43 非miRNAモデル(非保存クラス)
45 非miRNAモデル(中保存クラス)
47 非miRNAモデル(高保存クラス)
Claims (13)
- 塩基配列情報からマイクロRNA領域を検出するマイクロRNA検出装置であって、
検出処理対象の塩基配列情報を入力する入力部と、
前記検出処理対象の塩基配列情報から、配列中に含まれる複数の塩基にそれぞれ対応する複数の塩基ベクトルで構成され、マイクロRNAを特徴付ける複数種類のパラメータが各塩基ベクトルに含まれる塩基ベクトル列データを生成する塩基ベクトル列生成部と、
既知マイクロRNA群から生成され、前記既知マイクロRNA群の中の複数の既知マイクロRNAにそれぞれ対応する複数の前記塩基ベクトル列データを含む塩基ベクトル列群の確率モデルであるマイクロRNAモデルを記憶するマイクロRNAモデル記憶部と、
前記塩基ベクトル列生成部により生成された前記塩基ベクトル列データと前記マイクロRNAモデル記憶部の前記マイクロRNAモデルに基づき、前記検出処理対象の塩基配列上で前記マイクロRNAモデルに適合する領域をマイクロRNA領域として検出するマイクロRNA検出部と、
を備え、
前記塩基ベクトル列データを構成する前記各塩基ベクトルの複数種類のパラメータは、前記各塩基ベクトルの対応塩基における進化的保存度を表す保存度パラメータと安定ヘアピン構造を特徴付ける2次構造パラメータとを含み、
前記2次構造パラメータは、前記対応塩基の周辺領域の最小自由エネルギーを表すエネルギーパラメータと、塩基配列中の2つの塩基が塩基対を作る塩基対確率に基づいて前記対応塩基が前記ヘアピン構造のステム部に位置する可能性の高さを表すステムパラメータと、前記塩基対確率に基づいて前記対応塩基が前記ヘアピン構造のループ部に位置する可能性の高さを表すループパラメータとを含むことを特徴とするマイクロRNA検出装置。 - 前記マイクロRNAモデルは隠れマルコフモデルであって、前記マイクロRNA検出部は、前記隠れマルコフモデルを用いて可変長のマイクロRNA領域検出を行うことを特徴とする請求項1に記載のマイクロRNA検出装置。
- 前記マイクロRNAモデルは、配列長さが一定でない既知マイクロRNA群から生成されていることを特徴とする請求項2に記載のマイクロRNA検出装置。
- 前記マイクロRNAモデルの前記隠れマルコフモデルは、塩基配列の各塩基に各状態が対応する状態遷移モデルであり、状態遷移経路が通過可能な状態数が所定の範囲に制限されていることを特徴とする請求項2または3に記載のマイクロRNA検出装置。
- 前記マイクロRNAモデルの前記隠れマルコフモデルは、塩基配列の各塩基に各状態が対応する状態遷移モデルであり、状態遷移経路に拘わらず、状態遷移経路上の状態遷移確率の積が同じになるようにモデル各部の状態遷移確率が設定されていることを特徴とする請求項2または3に記載のマイクロRNA検出装置。
- 前記ループパラメータは、塩基対確率行列に基いた、前記対応塩基を中心として順次外側に位置する塩基対に対応する塩基対確率の合計である塩基対確率合計を含むことを特徴とする請求項1〜5のいずれかに記載のマイクロRNA検出装置。
- 前記ループパラメータの前記塩基対確率合計は、前記ループ部の塩基数が偶数である場合を想定し、前記対応塩基とその隣の塩基を最初の塩基対としたときに順次外側に位置する塩基対に対応する塩基対確率の合計も含むことを特徴とする請求項6に記載のマイクロRNA検出装置。
- 前記ループパラメータは、前記対応塩基の周囲の所定範囲における複数の塩基にそれぞれ対応する複数の前記塩基対確率合計の重み付け平均値であることを特徴とする請求項6または7に記載のマイクロRNA検出装置。
- 前記マイクロRNAモデル記憶部は、さらに、マイクロRNAに該当しないことが既知である非マイクロRNA群から生成される確率モデルである非マイクロRNAモデルを記憶しており、
前記マイクロRNA検出部は、前記マイクロRNAモデルに適合し前記非マイクロRNAモデルに非適合の領域をマイクロRNA領域として検出することを特徴とする請求項1〜8のいずれかに記載のマイクロRNA検出装置。 - 前記マイクロRNAモデル記憶部は、進化的保存度が異なる複数の非マイクロRNA群からそれぞれ生成された複数の非マイクロRNAモデルを記憶していることを特徴とする請求項9に記載のマイクロRNA検出装置。
- 前記ステムパラメータは、前記対応塩基が5’側のステム部に位置する確率を表すパラメータと、前記対応塩基が3’側のステム部に位置する確率を表すパラメータとを含むことを特徴とする請求項1〜10のいずれかに記載のマイクロRNA検出装置。
- 塩基配列情報をコンピュータで処理することによってマイクロRNA領域を検出するマイクロRNA検出方法であって、
検出処理対象の塩基配列情報を入力し、
前記検出処理対象の塩基配列情報から、配列中に含まれる複数の塩基にそれぞれ対応する複数の塩基ベクトルで構成され、マイクロRNAを特徴付ける複数種類のパラメータが各塩基ベクトルに含まれる塩基ベクトル列データを生成し、
既知マイクロRNA群の中の複数の既知マイクロRNAにそれぞれ対応する複数の前記塩基ベクトル列データを含む塩基ベクトル列群の確率モデルであるマイクロRNAモデルを用いて、前記検出処理対象の塩基配列上で前記マイクロRNAモデルに適合する領域をマイクロRNA領域として検出する処理を行い、
前記塩基ベクトル列データを構成する前記各塩基ベクトルの複数種類のパラメータは、前記各塩基ベクトルの対応塩基における進化的保存度を表す保存度パラメータと安定ヘアピン構造を特徴付ける2次構造パラメータとを含み、
前記2次構造パラメータは、前記対応塩基の周辺領域の最小自由エネルギーを表すエネルギーパラメータと、塩基配列中の2つの塩基が塩基対を作る塩基対確率に基づいて前記対応塩基が前記ヘアピン構造のステム部に位置する可能性の高さを表すステムパラメータと、前記塩基対確率に基づいて前記対応塩基が前記ヘアピン構造のループ部に位置する可能性の高さを表すループパラメータとを含むことを特徴とするマイクロRNA検出方法。 - 塩基配列情報からマイクロRNA領域を検出するマイクロRNA検出処理をコンピュータに実行させるマイクロRNA検出プログラムであって、
入力された検出処理対象の塩基配列情報から、配列中に含まれる複数の塩基にそれぞれ対応する複数の塩基ベクトルで構成され、マイクロRNAを特徴付ける複数種類のパラメータが各塩基ベクトルに含まれる塩基ベクトル列データを生成し、
既知マイクロRNA群の中の複数の既知マイクロRNAにそれぞれ対応する複数の前記塩基ベクトル列データを含む塩基ベクトル列群の確率モデルであるマイクロRNAモデルを用いて、前記検出処理対象の塩基配列上で前記マイクロRNAモデルに適合する領域をマイクロRNA領域として検出する処理を前記コンピュータに実行させ、
前記塩基ベクトル列データを構成する前記各塩基ベクトルの複数種類のパラメータは、前記各塩基ベクトルの対応塩基における進化的保存度を表す保存度パラメータと安定ヘアピン構造を特徴付ける2次構造パラメータとを含み、
前記2次構造パラメータは、前記対応塩基の周辺領域の最小自由エネルギーを表すエネルギーパラメータと、塩基配列中の2つの塩基が塩基対を作る塩基対確率に基づいて前記対応塩基が前記ヘアピン構造のステム部に位置する可能性の高さを表すステムパラメータと、前記塩基対確率に基づいて前記対応塩基が前記ヘアピン構造のループ部に位置する可能性の高さを表すループパラメータとを含むことを特徴とするマイクロRNA検出プログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2006335470A JP2008146538A (ja) | 2006-12-13 | 2006-12-13 | マイクロrna検出装置、方法およびプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2006335470A JP2008146538A (ja) | 2006-12-13 | 2006-12-13 | マイクロrna検出装置、方法およびプログラム |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2008146538A true JP2008146538A (ja) | 2008-06-26 |
Family
ID=39606621
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2006335470A Pending JP2008146538A (ja) | 2006-12-13 | 2006-12-13 | マイクロrna検出装置、方法およびプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2008146538A (ja) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2010087409A1 (ja) * | 2009-01-29 | 2010-08-05 | エーザイ・アール・アンド・ディー・マネジメント株式会社 | 核酸の検出方法 |
WO2017179581A1 (en) * | 2016-04-11 | 2017-10-19 | Quantum Biosystems Inc. | Systems and methods for biological data management |
US10202644B2 (en) | 2010-03-03 | 2019-02-12 | Quantum Biosystems Inc. | Method and device for identifying nucleotide, and method and device for determining nucleotide sequence of polynucleotide |
US10261066B2 (en) | 2013-10-16 | 2019-04-16 | Quantum Biosystems Inc. | Nano-gap electrode pair and method of manufacturing same |
US10413903B2 (en) | 2014-05-08 | 2019-09-17 | Osaka University | Devices, systems and methods for linearization of polymers |
US10438811B1 (en) | 2014-04-15 | 2019-10-08 | Quantum Biosystems Inc. | Methods for forming nano-gap electrodes for use in nanosensors |
US10557167B2 (en) | 2013-09-18 | 2020-02-11 | Quantum Biosystems Inc. | Biomolecule sequencing devices, systems and methods |
CN113077849A (zh) * | 2021-03-16 | 2021-07-06 | 华南农业大学 | 一种大肠杆菌β-内酰胺类获得性耐药表型预测复合工具 |
CN113643758A (zh) * | 2021-09-22 | 2021-11-12 | 华南农业大学 | 面向肠杆科细菌获得抗β-内酰胺类耐药性基因的预测方法 |
US12091712B2 (en) | 2016-04-27 | 2024-09-17 | Illumina Cambridge, Ltd. | Systems and methods for measurement and sequencing of bio-molecules |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2006054788A1 (ja) * | 2004-11-19 | 2006-05-26 | Takeda Pharmaceutical Company Limited | 特定のmRNAの翻訳を制御する化合物のスクリーニング方法 |
JP2006235750A (ja) * | 2005-02-22 | 2006-09-07 | Institute Of Physical & Chemical Research | 遺伝子構造予測方法および遺伝子構造予測プログラム |
JP2007226700A (ja) * | 2006-02-27 | 2007-09-06 | National Institute Of Advanced Industrial & Technology | Rna配列情報処理装置 |
-
2006
- 2006-12-13 JP JP2006335470A patent/JP2008146538A/ja active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2006054788A1 (ja) * | 2004-11-19 | 2006-05-26 | Takeda Pharmaceutical Company Limited | 特定のmRNAの翻訳を制御する化合物のスクリーニング方法 |
JP2006235750A (ja) * | 2005-02-22 | 2006-09-07 | Institute Of Physical & Chemical Research | 遺伝子構造予測方法および遺伝子構造予測プログラム |
JP2007226700A (ja) * | 2006-02-27 | 2007-09-06 | National Institute Of Advanced Industrial & Technology | Rna配列情報処理装置 |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2010087409A1 (ja) * | 2009-01-29 | 2010-08-05 | エーザイ・アール・アンド・ディー・マネジメント株式会社 | 核酸の検出方法 |
US10876159B2 (en) | 2010-03-03 | 2020-12-29 | Quantum Biosystems Inc. | Method and device for identifying nucleotide, and method and device for determining nucleotide sequence of polynucleotide |
US10202644B2 (en) | 2010-03-03 | 2019-02-12 | Quantum Biosystems Inc. | Method and device for identifying nucleotide, and method and device for determining nucleotide sequence of polynucleotide |
US10557167B2 (en) | 2013-09-18 | 2020-02-11 | Quantum Biosystems Inc. | Biomolecule sequencing devices, systems and methods |
US10261066B2 (en) | 2013-10-16 | 2019-04-16 | Quantum Biosystems Inc. | Nano-gap electrode pair and method of manufacturing same |
US10466228B2 (en) | 2013-10-16 | 2019-11-05 | Quantum Biosystems Inc. | Nano-gap electrode pair and method of manufacturing same |
US10438811B1 (en) | 2014-04-15 | 2019-10-08 | Quantum Biosystems Inc. | Methods for forming nano-gap electrodes for use in nanosensors |
US10413903B2 (en) | 2014-05-08 | 2019-09-17 | Osaka University | Devices, systems and methods for linearization of polymers |
CN109937426A (zh) * | 2016-04-11 | 2019-06-25 | 量子生物有限公司 | 用于生物数据管理的系统和方法 |
WO2017179581A1 (en) * | 2016-04-11 | 2017-10-19 | Quantum Biosystems Inc. | Systems and methods for biological data management |
US12091712B2 (en) | 2016-04-27 | 2024-09-17 | Illumina Cambridge, Ltd. | Systems and methods for measurement and sequencing of bio-molecules |
CN113077849A (zh) * | 2021-03-16 | 2021-07-06 | 华南农业大学 | 一种大肠杆菌β-内酰胺类获得性耐药表型预测复合工具 |
CN113643758A (zh) * | 2021-09-22 | 2021-11-12 | 华南农业大学 | 面向肠杆科细菌获得抗β-内酰胺类耐药性基因的预测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2008146538A (ja) | マイクロrna検出装置、方法およびプログラム | |
Vaishnav et al. | The evolution, evolvability and engineering of gene regulatory DNA | |
Chen et al. | Interpretable RNA foundation model from unannotated data for highly accurate RNA structure and function predictions | |
Jensen et al. | Computational discovery of gene regulatory binding motifs: a Bayesian perspective | |
CA2424031C (en) | System and process for validating, aligning and reordering genetic sequence maps using ordered restriction map | |
Wexler et al. | A study of accessible motifs and RNA folding complexity | |
CN113066527B (zh) | 一种siRNA敲减mRNA的靶点预测方法和系统 | |
CN111429970B (zh) | 基于极端梯度提升方法进行特征选择来获取多基因风险评分的方法及系统 | |
Sahraeian et al. | PicXAA-R: efficient structural alignment of multiple RNA sequences using a greedy approach | |
CN106446601B (zh) | 一种大规模标注lncRNA功能的方法 | |
CN112885405A (zh) | 疾病关联miRNA的预测方法和系统 | |
CN116705142A (zh) | 基于二进制量子粒子群优化算法与通量平衡分析混合算法的代谢产物优化方法 | |
Suleman et al. | PseU-Pred: an ensemble model for accurate identification of pseudouridine sites | |
Agüero-Chapin et al. | Exploring the adenylation domain repertoire of nonribosomal peptide synthetases using an ensemble of sequence-search methods | |
US20100100366A1 (en) | Microrna detecting apparatus, method, and program | |
CN108595910A (zh) | 一种基于多样性指标的群体蛋白质构象空间优化方法 | |
Zhang et al. | 3dDNAscoreA: A scoring function for evaluation of DNA 3D structures | |
Martin et al. | Choosing the optimal hidden Markov model for secondary-structure prediction | |
WO2022084696A1 (en) | Drug optimisation by active learning | |
Yoon et al. | RNA secondary structure prediction using context-sensitive hidden Markov models | |
US20220246235A1 (en) | System and method for gene editing cassette design | |
CN110706739B (zh) | 一种基于多模态内外交叉的蛋白质构象空间采样方法 | |
CN103425900A (zh) | 一种基于统计显著性能快速识别基因组转录因子结合位点的系统 | |
Liu et al. | An RNA folding algorithm including pseudoknots based on dynamic weighted matching | |
Schwehn et al. | Inferring protein from mRNA concentrations using convolutional neural networks |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20090714 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20090716 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20090708 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20120131 |
|
A711 | Notification of change in applicant |
Free format text: JAPANESE INTERMEDIATE CODE: A712 Effective date: 20120207 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20120612 |