Produção

Mirnacle

Conteúdo

O método Mirnacle é uma extensão do método desenvolvido por Tempel e Tahi, 2012, com o objetivo de melhorar a seletividade através da técnica de aprendizagem de máquina Random Forest, combinada com o método SMOTE que lida com conjuntos de dados desbalanceados. Comparando o método proposto com outras importantes abordagens na
literatura, mostramos que os procedimentos descritos neste trabalho puderam melhorar substancialmente a seletividade, sem comprometer a sensibilidade. Para três conjuntos de dados utilizados nos experimentos realizados, a abordagem proposta alcançou pelo menos 97% de sensitividade e proporcionou um aumento de duas, 20 e 6 vezes a
seletividade, respectivamente, em comparação com os melhores resultados de ferramentas computacionais atuais para predição abinitio de pre-miRNAs.


Mirnacle is an extension of the method developed by Tempel and Tahi, 2012, with the aim of improving selectivity through machine learning techniques, namely, random forests combined with the SMOTE method that copes with imbalance datasets. Comparing our method with other important approaches in the literature, we have shown that our
procedures could substantially improve selectivity without compromising sensibility. For three datasets used in our experiments, our method achieved at least 97% of sensitivity and could deliver a two-fold, 20-fold, and 6-fold increase in selectivity, respectively, compared with the best results of current computational tools for ab
initio pre-miRNA prediction.


Download

Registrado em: Ferramentas,Projetos
Assunto(s):
Rodapé