Logo BSU

Пожалуйста, используйте этот идентификатор, чтобы цитировать или ссылаться на этот документ: https://elib.bsu.by/handle/123456789/305370
Полная запись метаданных
Поле DCЗначениеЯзык
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
Располагается в коллекциях:2023. Квантовая электроника

Полный текст документа:
Файл Описание РазмерФормат 
510-515.pdf1,57 MBAdobe PDFОткрыть
Показать базовое описание документа Статистика Google Scholar



Все документы в Электронной библиотеке защищены авторским правом, все права сохранены.