Pełnotekstowe zasoby PLDML oraz innych baz dziedzinowych są już dostępne w nowej Bibliotece Nauki.
Zapraszamy na https://bibliotekanauki.pl
Preferencje help
Polish version English version Język
Widoczny [Schowaj] Abstrakt
Liczba wyników

Znaleziono wyników: 2

Liczba wyników na stronie
first rewind previous Strona / 1 next fast forward last

Wyniki wyszukiwania

help Sortuj według:

help Ogranicz wyniki do:
first rewind previous Strona / 1 next fast forward last
1
Content available remote

The EM algorithm and its implementation for the estimation of frequencies of SNP-haplotypes

100%
Polańska J.
International Journal of Applied Mathematics and Computer Science
|
2003
|
tom 13
|
nr 3
419-429
EN
A haplotype analysis is becoming increasingly important in studying complex genetic diseases. Various algorithms and specialized computer software have been developed to statistically estimate haplotype frequencies from marker phenotypes in unrelated individuals. However, currently there are very few empirical reports on the performance of the methods for the recovery of haplotype frequencies. One of the most widely used methods of haplotype reconstruction is the Maximum Likelihood method, employing the Expectation-Maximization (EM) algorithm. The aim of this study is to explore the variability of the EM estimates of the haplotype frequency for real data. We analyzed haplotypes at the BLM, WRN, RECQL and ATM genes with 8-14 biallelic markers per gene in 300 individuals. We also re-analyzed the data presented by Mano et al. (2002). We studied the convergence speed, the shape of the loglikelihood hypersurface, and the existence of local maxima, as well as their relations with heterozygosity, the linkage disequilibrium and departures from the Hardy-Weinberg equilibrium. Our study contributes to determining practical values for algorithm sensitivities.
2
Artykuł dostępny w postaci pełnego tekstu - kliknij by otworzyć plik
Content available

Method for mass spectrometry spectrum deisotoping based on fuzzy inference systems

63%
Glodek A., Polańska J.
Mathematica Applicanda
|
2018
|
tom 46
|
nr 1
PL
Celem niniejszego artykułu jest omówienie zaproponowanego algorytmu do identyfikacji obwiedni izotopowych, opartego na teorii systemów rozmytych. Obecnie proteomika jest ściśle powiązana z chorobami nowotworowymi. Dlatego też bardzo ważne jest precyzyjne zidentyfikowanie białek znajdujących się w obszarze raka; stosowana jest w tym celu spektrometria masowa. Jedną z technik spektrometrii masowej jest MALDI. Otrzymane dane będące widmem masowym składają się ze stosunku masy do ładunku jonów oraz intensywnosci pików. W celu przetworzenia danych, usunięcia szumu, linii bazowej etc. stosuje się przetwarzanie wstępne. Identyfikacja obwiedni izotopowych jest częścią procesu przetwarzania wstępnego w proteomice. Polega ona na identyfikacji izotopów wchodzących w skład obwiedni izotopowej, a także pozwala na zredukowanie wymiaru danych. Istnieje wiele algorytmów do identyfikacji obwiedni izotopowej, jednak każdy z nich dedykowany jest dla innego rodzaju techniki spektrometrii masowej (MALDI, LC-MS, ESI, etc.) bądź dla konkretnego rodzaju cząsteczek. Dlatego też zaproponowany algorytm został oparty na teorii systemów rozmytych, a reguły wnioskowania zostały oparte na wieloletnich doświadczeniach eksperta w dziedzinie spektrometrii masowej. Przetestowany był on na danych uzyskanych z Instytutu Onkologii im. Marii Skłodowskiej-Curie w Gliwicach, pochodzących z badań nad rakiem głowy i szyi dla losowo wybranej grupy peptydów i lipidów. Wyniki autorskiego algorytmu do identyfikacji obwiedni izotopowych porównano z jedną z istniejących metod do identyfikacji obwiedni izotopowych.
EN
Nowadays, mass spectrometry is widely used in proteomics for confident and precise identification of the protein. One of the most important steps in the signal analysis is deisotoping because some peaks in the spectrum are not the unique compound, but there are members of an isotopic envelope. Although the mass spectrometry is present in proteomics for a long time already, the problem of isotope peaks identification is not solved yet. The existing algorithms, usually designed for the particular type of spectrometer, are semi-supervised and do not give satisfactory results. We propose a new algorithm based on fuzzy inference systems that can accurately identify the isotopic envelopes in the spectrum of the complex structure.
first rewind previous Strona / 1 next fast forward last
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.