Please use this identifier to cite or link to this item: http://cuir.car.chula.ac.th/handle/123456789/31340
Full metadata record
DC FieldValueLanguage
dc.contributor.advisorไพศาล นาคมหาชลาสินธุ์-
dc.contributor.advisorศิริสรรพ เหล่าหะเกียรติ-
dc.contributor.authorสืบกุล กาญจนสุกร์-
dc.contributor.otherจุฬาลงกรณ์มหาวิทยาลัย. คณะวิทยาศาสตร์-
dc.date.accessioned2013-05-25T11:49:17Z-
dc.date.available2013-05-25T11:49:17Z-
dc.date.issued2550-
dc.identifier.urihttp://cuir.car.chula.ac.th/handle/123456789/31340-
dc.descriptionวิทยานิพนธ์ (วท.ม.)--จุฬาลงกรณ์มหาวิทยาลัย, 2550en
dc.description.abstractในงานวิทยานิพนธ์ฉบับนี้ เราได้พัฒนาโปรแกรมทำนายตำแหน่งสไปลไซต์บนยีนของมนุษย์ โดยใช้ต้นไม้การตัดสินใจและแบบจำลองมาร์คอฟเพื่อคำนวณคะแนนที่จะใช้ตัดสินว่าลำดับนิวคลีโอไทด์ใดๆ ที่กำหนดให้มีแนวโน้มเป็นสไปลไซต์มากเพียงใด เราใช้ต้นไม้การตัดสินใจเพื่อแบ่งกลุ่มลำดับนิวคลีโอไทด์จากความขึ้นแก่กันแบบ χ² และยังใช้แบบจำลองมาร์คอฟอันดับหนึ่งเพื่อคำนวณคะแนนที่ระบุความน่าจะเป็นว่าสไปลไซต์นั้นเป็นจริงหรือเท็จ โปรแกรมนี้มีชื่อว่า “Enhanced GeneSplicer” ซึ่งได้ขยายแนวคิดของโปรแกรม GeneSplicer ด้วยการให้โอกาสแก่กลุ่มสไปลไซต์เท็จอีกครั้ง โดยจะนำมาจำแนกใหม่ และเราจะหาสิ่งที่เหมาะที่สุดของกระบวนการทั้งหมด แม้ว่าเวลาที่ใช้ในการคำนวณจะมากขึ้น แต่เราได้ความแม่นยำในการทำนายที่สูงขึ้น สำหรับค่า false negative 0.2% ในโดเนอร์ไซต์ โปรแกรมสามารถลดค่า false positive จาก 25.5% เหลือ 18.48% ในขณะที่แอกเซพเตอร์ไซต์ลดลงจาก 38.30% เหลือ 34.51%en
dc.description.abstractalternativeIn this thesis, we will develop a splice site prediction program on human genes. The program will use decision trees and Markov models to calculate scores that can be used decide how likely a given portion on a nucleotide sequence is a splice site. Decision trees will be used to classify nucleotide sequences by the χ² dependence for each position, while the first-order Markov models compute scores that signify the probabilities of a splice site being true or false. The program is named “Enhanced GeneSplicer” as it extends the concept of the GeneSplicer program by giving a second chance to the false sites – they will be reclassified and we seek for the optimality of the whole process. Despite the increased computational time of Enhanced GeneSplicer, we obtained an improvement on the accuracy of the prediction. With 0.2% of false negatives, the percentage of false positives in donor sites drops from 25.5% to 18.48%, while that of the acceptor sites decreases from 38.30% to 34.51%.en
dc.format.extent4302640 bytes-
dc.format.mimetypeapplication/pdf-
dc.language.isothes
dc.publisherจุฬาลงกรณ์มหาวิทยาลัยen
dc.rightsจุฬาลงกรณ์มหาวิทยาลัยen
dc.subjectโปรแกรมคอมพิวเตอร์en
dc.subjectจีเนติกอัลกอริทึมen
dc.subjectการโปรแกรมเชิงพันธุกรรมen
dc.titleการทำนายตำแหน่งสไปลไซต์โดยใช้ต้นไม้การตัดสินใจและแบบจำลองมาร์คอฟen
dc.title.alternativeSplice site prediction using a decision tree and Markov modelsen
dc.typeThesises
dc.degree.nameวิทยาศาสตรมหาบัณฑิตes
dc.degree.levelปริญญาโทes
dc.degree.disciplineวิทยาการคณนาes
dc.degree.grantorจุฬาลงกรณ์มหาวิทยาลัยen
dc.email.advisorPaisan.N@Chula.ac.th-
dc.email.advisorไม่มีข้อมูล-
Appears in Collections:Sci - Theses

Files in This Item:
File Description SizeFormat 
Suebkul_Ka.pdf4.2 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.