Редагувати документ

Ключовим завданням геноміки, яке сприяє розумінню генетичних розладів і розробці точної медицини, є класифікація послідовностей ДНК здорових та хворих людей. Потужним інструментом для його вирішення стали нейронні мережі внаслідок своєї здатності моделювати складні шаблони у великих наборах даних. Фундаментальним кроком у цьому процесі стало представлення послідовностей ДНК у вигляді наборів k-мерів, які є підпослідовностями фіксованої довжини k. У статті оцінюються та порівнюються два методи представлення k-мер-даних.

Classifying DNA sequences as healthy or diseased is a crucial task in genomics, with significant implications for understanding genetic disorders and developing precision medicine. Neural networks have emerged as a powerful tool for this classification due to their ability to model complex patterns in large datasets. A foundational step in this process involves representing DNA sequences as sets of k-mers, which are subsequences of a fixed length (k). This study evaluates and compares two methods for representing k-mer data.

Submitted by Валерий Резниченко (reznich@isofts.kiev.ua) on 2025-12-27T18:16:02Z No. of bitstreams: 1 05-Terpilovskyi.pdf: 2328141 bytes, checksum: 8d5b249124daafc8ac959d7898051ccd (MD5)

Made available in DSpace on 2025-12-27T18:16:02Z (GMT). No. of bitstreams: 1 05-Terpilovskyi.pdf: 2328141 bytes, checksum: 8d5b249124daafc8ac959d7898051ccd (MD5) Previous issue date: 2024