(IEEE, 2007) Department of Computer Engineering; Department of Computer Engineering; N/A; Erzin, Engin; Gürsoy, Attila; Abalı, Ali Özgür; Faculty Member; Faculty Member; Master Student; Department of Computer Engineering; College of Engineering; College of Engineering; Graduate School of Sciences and Engineering; 34503; 8745; N/A
An important problem in computational biology is prediction of gene regulatory networks. There are many approaches to this problem. However Hidden Markov Models that are known to show high performance in signal similarity related uses are hard to come by in literature [1]. We have shown through our investigations that this method outperforms Correlation method. Furthermore, it is clear that this method can be improved to achieve even higher performance. Hidden Markov Models are a reasonable candidate in becoming a useful tool in predicting gene regulatory networks./ Öz: Hesaplamali biyolojide gen düzenleme ağlarının tahmini
önemli bir problemdir. Bu problem üzerine yapılmış bir çok
çalışma vardır. Ancak sinyal benzerliği konusunda yüksek
başarım gösterdiği bilinen saklı Markov modellerinin bu
konuya uygulanması literatürde sık karşılaşılan bir yöntem
değildir. Bu yöntemin incelenmesi, yöntemin istatistiki
ilinti yönteminden daha başarılı olduğunu göstermektedir.
Ayrıca bu yöntemin geliştirilmesi ile daha yüksek başarı
sağlanmasi da mülmkündür. Saklı Markov modelleri gen
ağlarının tahmininde faydalı bir araç olmaya adaydır.
