The University of Tokyo · 생화학·유전·분자생물학
Kiyoshi Asai 교수의 연구실은 단백질의 2차 구조 예측을 위한 은닉 마르코프 모델(HMM) 기반 분석 기법을 개발하며 생물정보학 분야에서 기여하고 있습니다. 또한, 페시픽 바이오스케이스(PacBio)와 옥스포드 나노포어 테크놀로지(ONT)와 같은 장독성 서열 분석 기술의 발전에 기여하기 위해 고정밀 장독성 서열 시뮬레이터 PBSIM3를 개발하여 서열 분석의 정확성과 신뢰성을 높이고자 합니다. 연구는 주로 생물정보학, 유전자 서열 분석, 그리고 신뢰도 높은 서열 시뮬레이션 기법 개발에 초점이 맞춰져 있습니다.
표시된 성과는 수집된 데이터 기준으로 산출되며, 일부 차이가 있을 수 있습니다.
The purpose of this paper is to introduce a new method for analyzing the amino acid sequences of proteins using the hidden Markov model (HMM), which is a type of stochastic model. Secondary structures such as helix, sheet and turn are learned by HMMs, and these HMMs are applied to new sequences whose structures are unknown. The output probabilities from the HMMs are used to predict the secondary structures of the sequences. The authors tested this prediction system on approximately 100 sequences
Long-read sequencers, such as Pacific Biosciences (PacBio) and Oxford Nanopore Technologies (ONT) sequencers, have improved their read length and accuracy, thereby opening up unprecedented research. Many tools and algorithms have been developed to analyze long reads, and rapid progress in PacBio and ONT has further accelerated their development. Together with the development of high-throughput sequencing technologies and their analysis tools, many read simulators have been developed and effectiv
