A parallel graph-based approach for protein sequence motif discovery
Notice bibliographique
Résumé
This thesis pro','ides a parallel, graph based approach to discover conservecl regìons such as motifs ìn Protein sequences.The motif discover.vproblem has gainecl lot of significa'ce i'r biologlcal scìence o'er the past decade.Recently, r,arious approaches have been used srrccessl,lll' to discor¡er motifs.some of theur are basecl on proba- ìrilistic appr-oach and the otirers on a combinatorial approach.Tiris thesis rolìou,s a graph-based approach to solve this problern, in partìcular.using the icìea of de Bruijr gaphs The de Bruij'graph has been successfully arìoptecì i. rlìe past to solve prob- lens such as locai multiple aligrment and DNA flagment assembly.The proposed algorithni ha¡nesses the power of the de Bruìju graph to <ììscover the corse¡rred re- gior.rs in a proteiìì sequence.The sequentia.lalgorithm has z0% matcires of the rrotil.s*ith the r'fEME and 65% patter'rratches with the Gibbs motif sampler.The algo- rìthrn ìs redesigned and parallelized on the high perfbrma.ncecomputers a'ailable on the Wcstern Canada Rese¡rr"h Grid (WestGricl).Perfbrmance analysis was urade on a pure distributed memorl' luachine using o¡l¡' message passing ancì on a hybricl r¡a- chinr: using shared and clistributed access space.Experiments shou,ed that the hyìrrid i.rpÌementation runs 3 times a"s fast às the pure distributecì memorv implenentafion.continuous guidar:rce and encouragenent to develop tìris rvork.We acknou'ìerìge the partial support fiom Natural Science and Engineering R.e- search Councìl(NSERC) of Canada.\tly sincere thanks to the managenent of \\:cstgricl lbr allowing us to u¡ork on tllcir systems.Finally, a plofound gratìtrrclc goes to aÌl of urv family ntembels who proviclecl contjnuous encouragement and emotional support to acconplish thjs endeavor.lll
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,003 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».