PMSPrune与其他基序搜索算法的实验比较
定量方法
2011-08-29 v1 计算工程、金融与科学
基因组学
摘要
从海量生物数据中提取有意义的模式是一项巨大的挑战。基序是生物学家非常感兴趣的一类生物模式。研究人员已经识别出多种不同版本的基序发现问题，例如基于位置特异性得分矩阵的植入式基序版本等。对多种基序搜索算法进行比较研究具有多重重要意义，例如可以识别每种算法的优缺点，从而可能设计出性能优于各独立组件的混合算法。本文直接或间接地比较了PMSprune（一种基于基序模型的算法）与其他14种算法在七个衡量指标上的性能，并使用了包括Tompa等人提供的基准数据集在内的多个基准数据集。这些比较表明，PMSprune的性能与所测试的其他14种算法相比具有竞争力。我们使用Tompa等人提供的基准数据集直接或间接比较了PMSprune与其他14种算法的性能。观察发现，PMSprune和DME（一种基于位置特异性得分矩阵的算法）总体上优于Tompa等人报告的13种算法。随后，我们在其他基准数据集（包括ChIP-Chip、ChIP-seq和ABS）上比较了PMSprune和DME。在PMSprune和DME之间，PMSprune在六个衡量指标上优于DME，而DME仅在一个衡量指标（即特异性）上优于PMSprune。
引用
@article{arxiv.1108.5217,
title = {An Experimental Comparison of PMSPrune and Other Algorithms for Motif Search},
author = {Dolly Sharma and Sanguthevar Rajasekaran and Hieu Dinh},
journal= {arXiv preprint arXiv:1108.5217},
year = {2011}
}