28622 articles – 22134 references  [version française]

inria-00099570, version 1

HMM, an Efficient Way to Detect Transcriptional Promoters in Bacterial Genomes?

Sébastien Hergalant () a, 1, Bertrand Aigle, Bernard Decaris, Jean-François Mari b, 1, Pierre Leblond

European Conference on Computational Biology - ECCB'2003 (2003) 417--419

Abstract: We have developed a data mining study based on second-order Hidden Markov Models to detect short DNA motifs that appear abnormally frequently at non-random locations in the streptomyces coelicolor genome. Our method has permitted to detect 23 of 30 SigR target promoter sequences in this genome. || Nous décrivons une étude de fouille de données à l'aide de modèles de Markov cachés du second ordre dans laquelle nous détectons des petits motifs d'ADN dans la bactérie S. Coelicolor. Notre méthode a permis de détecter 23 des 30 promoteurs sigR de ce gén

  • a –  LORIA-INRA
  • b –  UNIVERSITE NANCY 2
  • 1:  ORPAILLEUR (INRIA Lorraine - LORIA)
  • INRIA – CNRS : UMR7503 – Université Henri Poincaré - Nancy I – Université Nancy II – Institut National Polytechnique de Lorraine (INPL)
  • Domain : Computer Science/Other
  • Keywords : hmm – bioinformatics – data mining || hmm – bioinformatique – fouille de données
  • Internal note : A03-R-239 || hergalant03a
  • Comment : in conjonction with the french national conference on Bioinformatics (JOBIM 2003). Colloque avec actes sans comité de lecture. internationale.
 
  • inria-00099570, version 1
  • http://hal.inria.fr/inria-00099570
  • oai:hal.inria.fr:inria-00099570
  • From: Publications Loria <>
  • Submitted on: Tuesday, 26 September 2006 09:38:46
  • Updated on: Tuesday, 16 January 2007 16:13:17