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...

全面介紹

Saved in:
書目詳細資料
主要作者: , Afiahayati , Sri Mulyana
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
實物特徵
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>