Analisis Kinerja Model Pengontrol Ekson DNA Menggunakan Metode Model Hidden Markov

Suhartati Agoes, Binti Solihah, Alfred Pakpahan

Abstract


urutan Deoxyribo asam nukleat (DNA) yang memiliki beberapa bagian ekson dalam urutan coding (cd) adalah bagian penting dalam proses biologis untuk menghasilkan protein. Tujuan dari penelitian ini adalah untuk mengontrol ekson DNA yang ada di CD dengan menggunakan Hidden Markov Model (HMM) sehingga protein yang dihasilkan tidak berubah. HMM metode memiliki parameter misalnya; negara, nilai keadaan transisi, negara emisi dasar dan algoritma yang digunakan untuk pelatihan dan proses pengujian. Nilai dari negara transisi secara acak berbagai ditentukan nilai antara 0 ~ 1. Pelaksanaan HMM di ekson kontroler memiliki struktur model 20-negara dan tes simulasi dilakukan dengan menggunakan nilai negara transisi dan jumlah urutan yang berbeda. Proses simulasi dengan struktur model 20-negara adalah menghasilkan nilai kinerja model dengan Koefisien Korelasi (CC) adalah 0,7571 dengan menggunakan 220 urutan. Penelitian ini meningkatkan nilai CC dengan cara mengelompokkan data dan hasilnya adalah 0,8808 untuk sub model dengan 69 urutan dan 0,8183 dengan 157 urutan.

Keywords


DNA, Exon, Coding urut, Korelasi koeffisien

Full Text:

PDF

References


Samatova Nagiza F, Computational gene finding using HMMs, Computational Biology Institute Oak Ridge National Laboratory, 2003.

Anastassiou Dimitris, Genomic signal processing, IEEE Signal Processing Magazine, Vol. 18, No.4, pp 8-20, Juli 2001.

Henderson John, S Salzberg teven, Fasman Kenneth H, Finding gene in DNA with a Hidden Markov Model, Journal Computational Biology, Vol. 4, Issue 2, pp 127-141, 199.

Rabiner Lawrence R., A Tutorial on Hidden Markov Models and Selected Applications in Speech Recognition, Proceedings of The IEEE, Vol 77, No 2, pp 257-286, Februari 1989.

Agoes Suhartati, Pakpahan Alfred, Solihah Binti, Performance of Hidden Markov Model Structure on Deoxyribo Nucleic Acid Coding Sequence of Plasmodium falciparum. International Journal Asian Transactions on Science & Technology (ATST), Volume 01, Issue 05, November 2011.

Nicorici Daniel, Astola Jaakko, Tobus Ioan , Computational identification of exons in DNA with a Hidden Markov Model, Tampere International Center for Signal Processing, Tampere University of Tecnology, 2002.

Yada Tetsushi, Hirosawa Makoto, Gene recognition in cyanobacterium genomic sequence data using the hidden Markov model, Proceeding International Conference Intell. Syst. Mol. Biol, Vol 4, pp 252-260, 1996.

Yada Tetsushi, Hirosawa Makoto, Detection of short protein coding regions within the cyanobacterium genome: application of the hidden Markov model, DNA. Res. Vol 31, Issue 6, pp 355-361, 31 Desember, 1996.

Solihah Binti, Agoes Suhartati, Pakpahan Alfred, Optimasi Model Pengontrol Ekson Berbasis HMM Dengan Preprosesing Data Menggunakan Fuzzy C-Mean. Seminar Nasional Teknologi Infrmasi 2013 (SNTI 2013), Vol.10, No.1 Tahun 2013, 16 November 2013.




DOI: http://dx.doi.org/10.36055/setrum.v3i2.500

Refbacks

  • There are currently no refbacks.