Logo BSU

Please use this identifier to cite or link to this item: https://elib.bsu.by/handle/123456789/305370
Full metadata record
DC FieldValueLanguage
dc.contributor.authorЯцков, Н. Н.
dc.contributor.authorСмолякова, Е. В.
dc.contributor.authorСкакун, В. В.
dc.contributor.authorГринев, В. В.
dc.date.accessioned2023-12-01T07:25:00Z-
dc.date.available2023-12-01T07:25:00Z-
dc.date.issued2023
dc.identifier.citationКвантовая электроника : материалы XIV Междунар. науч.-техн. конф., Минск, 21-23 нояб. 2023 г. / Белорус. гос. ун-т ; редкол.: М. М. Кугейко (гл. ред.), А. А. Афоненко, А. В. Баркова. – Минск : БГУ, 2023. – С. 510-515.
dc.identifier.isbn978-985-881-530-1
dc.identifier.urihttps://elib.bsu.by/handle/123456789/305370-
dc.description.abstractРазработан R-пакет SNPSimulatoR для моделирования сайтов однонуклеотидного генетического полиморфизма в молекулах ДНК человека. Включает программные средства обработки экспериментальных данных, имитационного моделирования и идентификации сайтов нуклеотидных полиморфизмов с использованием как наиболее эффективных классических алгоритмов, так и машинного обучения, обученных на смоделированных данных. Работоспособность разработанных программных средств подтверждена в ходе сравнительного анализа алгоритмов на примерах экспериментальных данных геномного секвенирования
dc.language.isoru
dc.publisherМинск : БГУ
dc.rightsinfo:eu-repo/semantics/openAccess
dc.subjectЭБ БГУ::ЕСТЕСТВЕННЫЕ И ТОЧНЫЕ НАУКИ::Кибернетика
dc.subjectЭБ БГУ::ЕСТЕСТВЕННЫЕ И ТОЧНЫЕ НАУКИ::Биология
dc.titleПрограммный пакет SNPSimulatoR для моделирования сайтов однонуклеотидного генетического полиморфизма
dc.title.alternativeR-package SNPSimulatoR for modelling single nucleotide genetic polymorphism sites / M. M. Yatskou, E. V. Smolyakova, V. V. Skakun, V. V. Grinev
dc.typeconference paper
dc.description.alternativeAn R-package SNPSimulatoR has been developed for modelling single nucleotide genetic polymorphism sites in human DNA molecules. Includes programming tools for processing experimental data, simulation modelling and identification of nucleotide polymorphism sites using both the most effective classical and machine learning algorithms trained on simulated data. The performance of the developed package was confirmed in a comparative analysis of the algorithms using examples of genomic sequencing experimental data
Appears in Collections:2023. Квантовая электроника

Files in This Item:
File Description SizeFormat 
510-515.pdf1,57 MBAdobe PDFView/Open
Show simple item record Google Scholar



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