Publicación:
CNN-PROMOTER, NEW CONSENSUS PROMOTER PREDICTION PROGRAM BASED ON NEURAL NETWORKS

Vista sencilla de ítem
dc.contributor.authorBedoya, Óscarspa
dc.contributor.authorBustamante, Santiagospa
dc.date.accessioned2013-10-01 00:00:00
dc.date.accessioned2022-06-17T20:16:44Z
dc.date.available2013-10-01 00:00:00
dc.date.available2022-06-17T20:16:44Z
dc.date.issued2013-10-01
dc.description.abstractA new promoter prediction program called CNN-Promoter is presented. CNN-Promoter allows DNA sequences to be submitted and predicts them as promoter or non-promoter. Several methods have been developed to predict the promoter regions of genomes in eukaryotic organisms including algorithms based on Markov’s models, decision trees, and statistical methods. Although there are plenty of programs proposed, there is still a need to improve the sensitivity and specificity values. In this paper, a new program is proposed; it is based on the consensus strategy of using experts to make a better prediction. The consensus strategy is developed by using neural networks. During the training process, the sensitivity and specificity were 100 % and during the test process the model reaches a sensitivity of 74.5 % and a specificity of 82.7 %.Abstract: En este artículo se presenta un programa nuevo para la predicción de promotores llamado CNN--Promoter, que toma como entrada secuencias de ADN y las clasifica como promotor o no promotor. Se han desarrollado diversos métodos para predecir las regiones promotoras en organismos eucariotas, muchos de los cuales se basan en modelos de Markov, árboles de decisión y métodos estadísticos. A pesar de la variedad de programas existentes para la predicción de promotores, se necesita aún mejorar los valores de sensibilidad y especificidad. Se propone un nuevo programa que se basa en la estrategia de mezcla de expertos usando redes neuronales. Los resultados obtenidos en las pruebas alcanzan valores de sensibilidad y especificidad de 100 % en el entrenamiento y de 74,5 % de sensibilidad y 82,7 % de especificidad en los conjuntos de validación y prueba.spa
dc.description.abstractA new promoter prediction program called CNN-Promoter is presented. CNN-Promoter allows DNA sequences to be submitted and predicts them as promoter or non-promoter. Several methods have been developed to predict the promoter regions of genomes in eukaryotic organisms including algorithms based on Markov’s models, decision trees, and statistical methods. Although there are plenty of programs proposed, there is still a need to improve the sensitivity and specificity values. In this paper, a new program is proposed; it is based on the consensus strategy of using experts to make a better prediction. The consensus strategy is developed by using neural networks. During the training process, the sensitivity and specificity were 100 % and during the test process the model reaches a sensitivity of 74.5 % and a specificity of 82.7 %.Abstract: En este artículo se presenta un programa nuevo para la predicción de promotores llamado CNN--Promoter, que toma como entrada secuencias de ADN y las clasifica como promotor o no promotor. Se han desarrollado diversos métodos para predecir las regiones promotoras en organismos eucariotas, muchos de los cuales se basan en modelos de Markov, árboles de decisión y métodos estadísticos. A pesar de la variedad de programas existentes para la predicción de promotores, se necesita aún mejorar los valores de sensibilidad y especificidad. Se propone un nuevo programa que se basa en la estrategia de mezcla de expertos usando redes neuronales. Los resultados obtenidos en las pruebas alcanzan valores de sensibilidad y especificidad de 100 % en el entrenamiento y de 74,5 % de sensibilidad y 82,7 % de especificidad en los conjuntos de validación y prueba.eng
dc.format.mimetypeapplication/pdfeng
dc.identifier.eissn2463-0950
dc.identifier.issn1794-1237
dc.identifier.urihttps://repository.eia.edu.co/handle/11190/4754
dc.identifier.urlhttps://revistas.eia.edu.co/index.php/reveia/article/view/253
dc.language.isoengeng
dc.publisherFondo Editorial EIA - Universidad EIAspa
dc.relation.bitstreamhttps://revistas.eia.edu.co/index.php/reveia/article/download/253/248
dc.relation.citationeditionNúm. 15 , Año 2011spa
dc.relation.citationendpage164
dc.relation.citationissue15spa
dc.relation.citationstartpage153
dc.relation.citationvolume8spa
dc.relation.ispartofjournalRevista EIAspa
dc.rightsRevista EIA - 2013eng
dc.rights.accessrightsinfo:eu-repo/semantics/openAccesseng
dc.rights.coarhttp://purl.org/coar/access_right/c_abf2eng
dc.rights.creativecommonsEsta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.eng
dc.rights.urihttps://creativecommons.org/licenses/by-nc-nd/4.0eng
dc.sourcehttps://revistas.eia.edu.co/index.php/reveia/article/view/253eng
dc.subjectpromoter predictioneng
dc.subjectneural networkseng
dc.subjectconsensus strategy. Palabras claveeng
dc.subjectpredicción de promotoreseng
dc.subjectredes neuronaleseng
dc.subjectestrategia de consenso.eng
dc.titleCNN-PROMOTER, NEW CONSENSUS PROMOTER PREDICTION PROGRAM BASED ON NEURAL NETWORKSspa
dc.title.translatedCNN-PROMOTER, NEW CONSENSUS PROMOTER PREDICTION PROGRAM BASED ON NEURAL NETWORKSeng
dc.typeArtículo de revistaspa
dc.typeJournal articleeng
dc.type.coarhttp://purl.org/coar/resource_type/c_6501eng
dc.type.coarhttp://purl.org/coar/resource_type/c_6501eng
dc.type.coarversionhttp://purl.org/coar/version/c_970fb48d4fbd8a85eng
dc.type.contentTexteng
dc.type.driverinfo:eu-repo/semantics/articleeng
dc.type.redcolhttp://purl.org/redcol/resource_type/ARTREFeng
dc.type.versioninfo:eu-repo/semantics/publishedVersioneng
dspace.entity.typePublication
Archivos
Colecciones
Revista EIA (Portal de Revistas)