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

Sébastien Hergalant 1 Bertrand Aigle Bernard Decaris Jean-François Mari 1 Pierre Leblond
1 ORPAILLEUR - Knowledge representation, reasonning
INRIA Lorraine, LORIA - Laboratoire Lorrain de Recherche en Informatique et ses Applications
Résumé : 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
Type de document :
Communication dans un congrès
European Conference on Computational Biology - ECCB'2003, Sep 2003, Paris, France, pp.417--419, 2003
Liste complète des métadonnées

https://hal.inria.fr/inria-00099570
Contributeur : Publications Loria <>
Soumis le : mardi 26 septembre 2006 - 09:38:46
Dernière modification le : jeudi 11 janvier 2018 - 06:19:55

Identifiants

  • HAL Id : inria-00099570, version 1

Collections

Citation

Sébastien Hergalant, Bertrand Aigle, Bernard Decaris, Jean-François Mari, Pierre Leblond. HMM, an Efficient Way to Detect Transcriptional Promoters in Bacterial Genomes?. European Conference on Computational Biology - ECCB'2003, Sep 2003, Paris, France, pp.417--419, 2003. 〈inria-00099570〉

Partager

Métriques

Consultations de la notice

167