Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F61388971%3A_____%2F19%3A00519622" target="_blank" >RIV/61388971:_____/19:00519622 - isvavai.cz</a>

  • Výsledek na webu

    <a href="https://peterslab.org/downloads.php" target="_blank" >https://peterslab.org/downloads.php</a>

  • DOI - Digital Object Identifier

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    MatrixMotif

  • Popis výsledku v původním jazyce

    MatrixMotif is novel hybrid algorithm for biomolecular language processing allowing mining of hidden TFBS motifs from enriched NGS datasets. We primarily stacked on Hypergeometric Distribution Model allowing pseudo-random estimation of DNA motif seeds which are subsequently marginalized through eigenvalue of the Markov chain transition matrix. To get rid of local optima in our constraints we were iterating our motifs using property of Maximum Entropy to maximize our expectation. The maximum free motifs are then re-estimated using hidden Markov matrix and the SuperBinder motif is selected according its maximum log-likelihood score.

  • Název v anglickém jazyce

    MatrixMotif

  • Popis výsledku anglicky

    MatrixMotif is novel hybrid algorithm for biomolecular language processing allowing mining of hidden TFBS motifs from enriched NGS datasets. We primarily stacked on Hypergeometric Distribution Model allowing pseudo-random estimation of DNA motif seeds which are subsequently marginalized through eigenvalue of the Markov chain transition matrix. To get rid of local optima in our constraints we were iterating our motifs using property of Maximum Entropy to maximize our expectation. The maximum free motifs are then re-estimated using hidden Markov matrix and the SuperBinder motif is selected according its maximum log-likelihood score.

Klasifikace

  • Druh

    R - Software

  • CEP obor

  • OECD FORD obor

    10602 - Biology (theoretical, mathematical, thermal, cryobiology, biological rhythm), Evolutionary biology

Návaznosti výsledku

  • Projekt

    <a href="/cs/project/GA16-24309S" target="_blank" >GA16-24309S: Strukturní analýza interakce transkripčních faktorů s promotorovými sekvencemi</a><br>

  • Návaznosti

    I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace

Ostatní

  • Rok uplatnění

    2019

  • Kód důvěrnosti údajů

    S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Údaje specifické pro druh výsledku

  • Interní identifikační kód produktu

    MatrixMotif

  • Technické parametry

    Hybridní algoritmus založený na R a SciPy balících

  • Ekonomické parametry

    Software, Freeware

  • IČO vlastníka výsledku

    61388971

  • Název vlastníka

    Mikrobiologický ústav, AV ČR, v. v. i.