MULTIPLE SEQUENCE ALIGNMENT MENGGUNAKAN HIDDEN MARKOV MODEL
<p>Mudah dan murahnya proses pengumpulan data biologi molekuler saat ini menyebabkan ukuran basis<br /> data genetika meningkat dengan pesat. Hal ini meningkatkan kebutuhan akan alat bantu komputasi untuk<br /> menganalisa data tersebut. Salah satu task dasar dalam menganalisa data...
Saved in:
| 主要作者: | |
|---|---|
| 格式: | Article NonPeerReviewed |
| 出版: |
[Yogyakarta] : Fak. Teknik Industri UPN Veteran
2008
|
| 在線閱讀: | https://repository.ugm.ac.id/94034/ http://repository.ugm.ac.id/digitasi/index.php?module=cari_hasil_full&idbuku=1833 |
| 標簽: |
添加標簽
沒有標簽, 成為第一個標記此記錄!
|
| 機構: | Universitas Gadjah Mada |
| 總結: | <p>Mudah dan murahnya proses pengumpulan data biologi molekuler saat ini menyebabkan ukuran basis<br />
data genetika meningkat dengan pesat. Hal ini meningkatkan kebutuhan akan alat bantu komputasi untuk<br />
menganalisa data tersebut. Salah satu task dasar dalam menganalisa data biologi molekuler adalah Multiple<br />
Sequence Alignment. Program Multiple Sequence Alignment yang sering digunakan oleh praktisi biomolekuler<br />
adalah ClustalXyang menggunakan metode komputasi progressive pairwise alignment.<br />
Salah satu metode yang saat ini banyak dikaji untuk menghasilkan Multiple Sequence Alignment adalah<br />
Hidden Markov Model. Hidden Markov Model cocok digunakan dalam Multiple Sequence Alignment karena<br />
Multiple Sequence Alignment dapat dipandang sebagai masalah pengenalan pola. Hidden Markov Model<br />
menggunakan algoritma pembelajaran Baum-Welch untuk mengestimasi parameter-parameter dalam HMM dan<br />
algoritma Viterbi untuk melakukan alignment dari unaligned sequence.<br />
Pada penelitian ini dilakukan eksperimen untuk menerapkan Hidden Markov Model dalam<br />
menghasilkan Multiple Sequence Alignment dari sequence protein yang belum ter-align dan dilakukan<br />
pengujian menggunakan data sequence protein BaliBASE 3.0 dengan membandingkan hasil alignment yang<br />
menerapkan Hidden Markov Model dengan hasil alignment program ClustalX Hasil eksperimen menunjukkan<br />
bahwa implementasi Hidden Markov Model pada Multiple Sequence Alignment memiliki performa lebih baik<br />
pada data sequence yang memiliki identity tinggi dan mengalami penurunan peifoma pada data sequence yang<br />
panjang dan data sequence yang memiliki banyak noise seperti N/C terminal extension atau insertion.</p> |
|---|