Предсказание структуры генов с использованием смесей вероятностных распределений

Abstract

Рассмотрена задача восстановления последовательности скрытых состояний для смесей распределений, описываемых обобщениями цепей Маркова произвольного порядка и скрытых марковских моделей. Предложен алгоритм динамического программирования для решения этой задачи, а также его модификации, направленные на устранение рекурсии и сокращение перебора. Полученные результаты применены к задаче распознавания фрагментов генов в геномах растений.

Розглянуто задачу відновлення послідовності прихованих станів для сумішей розподілів, що описуються узагальненнями ланцюгів Маркова довільного порядку і прихованих марковських моделей. Запропоновано алгоритм динамічного програмування для розв’язання цієї задачі, а також його модифікації, що направлені на усунення рекурсії та скорочення перебору. Отримані результати застосовано до задачі розпізнавання фрагментів генів у геномах рослин.

The authors consider the problem of recovering hidden state sequences for mixture distributions with constituents described by the generalization of high-order Markov chains and hidden Markov models. A new algorithm to solve the problem using dynamic programming is proposed, as well as its modifications to eliminate recursion and diminish search. The results are applied to the problem of gene fragment recognition in plants.