In this paper, we demonstrate that

In this paper, we demonstrate that the performance of a motif discovery algorithm can be significantly improved by embedding it into a novel framework that effectively guides the motif discovery process. The framework is also general enough to allow any statistical motif discovery algorithm to be used. Motivation for this research comes from the fact that the statistical significance of patterns depends on the background probability which is largely determined by input sequences. Our framework guides motif discovery by inputting subsequences to an existing motif discovery algorithm, rather than using entire sequences. Subsequences are determined by motifs discovered using existing motif discovery and search algorithms. Then this technique is iteratively applied until convergence. A starting set of patterns is discovered by a simple, but effective pattern set generation algorithm. Our framework was implemented using MEME and MAST and tested with 108 PROSITE patterns. The result demonstrates that our framework significantly improves the performance of MEME.

ผลลัพธ์ (ไทย) 1:

ในเอกสารนี้ เราแสดงให้เห็นว่า ประสิทธิภาพของขั้นตอนวิธีในการค้นพบสาระสำคัญสามารถมากปรับปรุง โดยฝังตัวลงในกรอบนวนิยายที่แนะนำการค้นพบสาระสำคัญอย่างมีประสิทธิภาพ กรอบก็ทั่วไปพอให้มีแปลนสถิติค้นพบอัลกอริทึมที่จะใช้ แรงจูงใจสำหรับงานวิจัยนี้มาจากความจริงที่นัยสำคัญทางสถิติของรูปแบบขึ้นอยู่กับความน่าเป็นพื้นหลังซึ่งส่วนใหญ่กำหนด โดยลำดับการป้อนข้อมูล ของเรากรอบแนะนำแปลนการค้นพบ โดยเพียงลง subsequences เพื่อการอยู่แปลนค้นพบอัลกอริทึม มากกว่าการใช้ลำดับทั้งหมด Subsequences จะถูกกำหนด โดยความที่พบใช้อยู่แปลนการค้นพบและค้นหาอัลกอริทึม แล้วเทคนิคนี้มีใช้ซ้ำ ๆ จนกว่าจะบรรจบกัน ชุดรูปแบบเริ่มต้นถูกค้นพบ โดยเรียบง่าย ได้สร้างอัลกอริทึมตั้งรูปแบบที่มีประสิทธิภาพ กรอบของเราได้ดำเนินการใช้ MEME และเสา และทดสอบ ด้วยรูปแบบ PROSITE 108 ผลแสดงให้เห็นว่า กรอบของเราอย่างมีนัยสำคัญเพิ่มประสิทธิภาพของ MEME

ผลลัพธ์ (ไทย) 2:

ในบทความนี้เราจะแสดงให้เห็นว่าการทำงานของอัลกอริทึมการค้นพบบรรทัดฐานได้ดีขึ้นอย่างมีนัยสำคัญโดยการฝังลงในกรอบใหม่ที่แนะนำได้อย่างมีประสิทธิภาพขั้นตอนการค้นพบแม่ลาย กรอบทั่วไปนอกจากนี้ยังมีพอที่จะให้ขั้นตอนวิธีการใด ๆ ที่ค้นพบบรรทัดฐานทางสถิติเพื่อนำมาใช้ แรงจูงใจสำหรับการวิจัยนี้มาจากความจริงที่ว่านัยสำคัญทางสถิติของรูปแบบขึ้นอยู่กับความน่าจะเป็นพื้นหลังที่จะถูกกำหนดโดยส่วนใหญ่ลำดับการป้อนข้อมูล กรอบการทำงานของเราแนะนำบรรทัดฐานการค้นพบโดยป้อน subsequences ไปยังขั้นตอนวิธีการค้นพบบรรทัดฐานที่มีอยู่มากกว่าการใช้ลำดับทั้งหมด subsequences จะถูกกำหนดโดยลวดลายที่ค้นพบการค้นพบโดยใช้บรรทัดฐานที่มีอยู่และขั้นตอนวิธีการค้นหา แล้วเทคนิคนี้ถูกนำไปใช้ซ้ำจนบรรจบกัน ชุดเริ่มต้นของรูปแบบที่ถูกค้นพบโดยง่าย แต่รูปแบบที่มีประสิทธิภาพการตั้งค่าขั้นตอนวิธีการสร้าง กรอบการทำงานของเราได้ดำเนินการโดยใช้มส์และเสาและการทดสอบกับ 108 รูปแบบ PROSITE ผลที่ได้แสดงให้เห็นว่ากรอบการทำงานของเราอย่างมีนัยสำคัญช่วยเพิ่มประสิทธิภาพของมส์

ผลลัพธ์ (ไทย) 3:

ในกระดาษนี้เราแสดงให้เห็นว่า ประสิทธิภาพของรูปแบบการค้นพบอัลกอริทึมที่สามารถเพิ่มขึ้นโดยการฝังลงในนวนิยายที่มีประสิทธิภาพคู่มือกรอบมาตรฐานการค้นพบกระบวนการ กรอบยังเป็นทั่วไปมากพอที่จะให้ขั้นตอนวิธีการค้นพบรูปแบบทางสถิติที่จะใช้แรงจูงใจในการวิจัยนี้มาจากข้อเท็จจริงที่ว่า สถิติของรูปแบบขึ้นอยู่กับพื้นฐานความน่าจะเป็นซึ่งถูกกําหนดโดยลำดับการป้อนข้อมูล กรอบคู่มือการค้นพบโดยป้อน subsequences แม่ลายแม่ลายค้นพบขั้นตอนวิธีที่มีอยู่ มากกว่าการใช้ลำดับทั้งหมดsubsequences ถูกกำหนดโดยการใช้ลวดลายและลวดลายค้นพบที่มีอยู่ค้นพบขั้นตอนวิธีการค้นหา แล้วเทคนิคนี้ซ้ำไปจนบรรจบกัน . เริ่มต้นที่ชุดรูปแบบถูกค้นพบโดยง่าย แต่มีประสิทธิภาพรูปแบบชุดของรุ่น กรอบของเราถูกดำเนินการโดยใช้ meme เสากระโดง และทดสอบกับ prosite 108 รูปแบบผลแสดงให้เห็นว่ากรอบของเราอย่างมีนัยสำคัญเพิ่มประสิทธิภาพของมีมิ