Μέθοδοι Φυλογένεσης. Μέθοδοι που βασίζονται σε αποστάσεις UPGMA Κοντινότερης γειτονίας (Neighbor joining) Fitch-Margoliash Ελάχιστης εξέλιξης
|
|
- Ἀστάρτη Βασιλόπουλος
- 7 χρόνια πριν
- Προβολές:
Transcript
1 Μέθοδοι Φυλογένεσης Μέθοδοι που βασίζονται σε αποστάσεις UPGMA Κοντινότερης γειτονίας (Neighbor joining) Fitch-Margoliash Ελάχιστης εξέλιξης Μέθοδοι που βασίζονται σε χαρακτήρες Μέγιστη φειδωλότητα (Maximum Parsimony) Μέγιστη πιθανοφάνεια (Maximum Likelihood)
2 Μέθοδοι αποστάσεων Φυλογένεση Αρχικά υπολογίζονται οι αποστάσεις ανάµεσα σε όλα τα πιθανά ζεύγη ακολουθιών. Δηµιουργείται ένας πίνακας αποστάσεων. Με βάση τον πίνακα αυτό, δηµιουργούνται δένδρα µε µεθόδους που βασίζονται: Στην οµαδοποίηση. Η οµαδοποίηση ξεκινάει από τις πιο κοντινές ακολουθίες και σταδιακά ενσωµατώνει όλο και πιο αποµακρυσµένες: UPGMA Neighbor joining Στην βελτιστοποίηση. Ο αλγόριθµος συγκρίνει τις πιθανές τοπολογίες και επιλέγει αυτή που οι αποστάσεις πάνω στο δένδρο ταιριάζουν καλύτερα µε τις αποστάσεις στον αρχικό πίνακα αποστάσεων: Fitch-Margoliash Ελάχιστη εξέλιξη
3 Υπολογισµός της απόστασης µεταξύ δύο ακολουθιών Παρατηρούµενη απόσταση: από την στοίχιση, µπορούµε να δούµε σε ποιές θέσεις δεν ταιριάζουν οι χαρακτήρες. Η παρατηρούµενη απόσταση δεν συµπίπτει µε την πραγµατική (εξελικτική) απόσταση, λόγω πολλαπλών αντικαταστάσεων στην ίδια θέση. Όσο µεγαλύτερη η απόσταση, τόσο πιο πολλές αντικαταστάσεις συνέβησαν στην ίδια θέση.
4 Υπολογισµός της απόστασης µεταξύ δύο ακολουθιών
5 Διόρθωση της απόστασης µεταξύ 2 ακολουθιών
6 Μοντέλα αντικατάστασης Στατιστικά µοντέλα που λαµβάνουν υπόψην τις πολλαπλές αντικαταστάσεις (για την ίδια θέση) και διορθώνουν την παρατηρούµενη απόσταση, µετατρέποντας την σε εξελικτική. Αν η απόσταση είναι πολύ µεγάλη, τότε έχει επέλθει κορεσµός και δεν είναι δυνατόν να γίνει σωστή διόρθωση.
7 Μοντέλο αντικατάστασης Jukes - Cantor Είναι το απλούστερο µοντέλο για ακολουθίες DNA. κάθε νουκλεοτίδιο εµφανίζεται µε την ίδια συχνότητα έχει την ίδια πιθανότητα να µεταλλαχθεί σε ένα από τα υπόλοιπα 3 νουκλεοτίδια
8 Μοντέλο αντικατάστασης Kimura Φυλογένεση Πιο εξελιγµένο µοντέλο. κάθε νουκλεοτίδιο εµφανίζεται µε την ίδια συχνότητα Θεωρεί ότι οι µεταπτώσεις έχουν άλλη πιθανότητα να συµβούν, από ότι οι µεταστροφές.
9 Μοντέλο αντικατάστασης Kimura
10 Mοντέλα αντικατάστασης για DNA Φυλογένεση
11 Διόρθωση των παρατηρούµενων αποστάσεων για πρωτεΐνες Φυλογένεση
12 Διόρθωση των παρατηρούµενων αποστάσεων για πρωτεΐνες Διόρθωση µε πίνακες αντικατάστασης: PAM JTT (Jones-Taylor-Thornton) Διόρθωση µε αντίστοιχες µεθόδους Jukes-Cantor ή Kimura, προσαρµοσµένες για πρωτεΐνες.
13 UPGMA Βασίζεται στην υπόθεση ότι όλες οι ακολουθίες εξελίσονται µε ένα σταθερό ρυθµό και ότι όλες απέχουν το ίδιο από την ρίζα (κοινό πρόγονο). Το τελευταίο τάξον που ενσωµατώνεται αποτελεί και την εξωοµάδα. Ουσιαστικά, δηµιουργείται δένδρο µε ρίζα. Αποδέχεται την ύπαρξη ενός µοριακού ρολογιού µε σταθερή ταχύτητα. Στην πραγµατικότητα, αυτό δεν ισχύει. Σήµερα, το UPGMA χρησιµοποιείται περισσότερο για την οµαδοποίηση δεδοµένων από µικροσυστοιχίες και όχι για φυλογένεση. Είναι ένας γρήγορος αλγόριθµος κατασκευής δένδρων.
14 UPGMA Φυλογένεση
15 UPGMA Φυλογένεση
16 UPGMA Φυλογένεση
17 Μέθοδος σύνδεσης γειτονίας neighbor joining Είναι παρόµοια µέθοδος µε το UPGMA. Ωστόσο, δεν θεωρεί ότι όλες οι ακολουθίες εξελίσονται µε τον ίδιο ρυθµό. Το δένδρο που παράγεται είναι άρριζο και πρέπει εµείς να επιλέξουµε που είναι η ρίζα.
18 Μέθοδοι βελτιστοποίησης Οι µέθοδοι που βασίζονται σε οµαδοποίηση παράγουν ένα δένδρο. Δεν γνωρίζουµε πόσο καλύτερο είναι αυτό το δένδρο από άλλα εναλλακτικά δένδρα. Οι µέθοδοι βελτιστοποίησης ελέγχουν τα διάφορα πιθανά δένδρα και βρίσκουν αυτό που ταιριάζει καλύτερα στον αρχικό πίνακα αποστάσεων.
19 Πόσα πιθανά δένδρα; Φυλογένεση Το σύνολο των πιθανών διαφορετικών δένδρων για ένα αριθµό taxa αυξάνει εκθετικά
20 Πόσα πιθανά δένδρα; Φυλογένεση
21 Fitch-Margoliash Διερευνά για το κάθε πιθανό δένδρο ποιές είναι οι αποστάσεις µε βάσει αυτό και στην συνέχεια επιλέγει το δένδρο που η υπολογισµένες του αποστάσεις αποκλίνουν το λιγότερο δυνατό από τον αρχικό πίνακα αποστάσεων.
22 Ελάχιστη εξέλιξη Παρόµοιο µε το Fitch-Margoliash. Διερευνά τα πιθανά δένδρα. Επιλέγει το δένδρο που το συνολικό µήκος των βραχιόνων του είναι το ελάχιστο δυνατό, για τα υπάρχοντα δεδοµένα αποστάσεων. Η µέθοδος αυτή είναι λίγο καλύτερη από την Fitch-Margoliash.
23 Υπέρ και κατά µεθόδων βασισµένων σε αποστάσεις Οι µέθοδοι βελτιστοποίησης δίνουν καλύτερα αποτελέσµατα από τις µεθόδους οµαδοποίησης, αλλά είναι πιο αργές. Αν τα δεδοµένα είναι πολλά, τότε προτιµάται µια µέθοδος οµαδοποίησης. Οι µέθοδοι αποστάσεων διορθώνουν τις παρατηρούµενες αποστάσεις. Όταν οι ακολουθίες είναι αποµακρυσµένες, αυτή η διόρθωση έχει µεγάλες επιπτώσεις και πρέπει να γίνεται. Με τις µεθόδους αποστάσεων χάνεται πληροφορία και δεν είναι δυνατόν να ανακατασκευαστεί µια προγονική ακολουθία.
24 Μέθοδοι που βασίζονται σε χαρακτήρες Μέγιστη φειδωλότητα (Maximum Parsimony) Μέγιστη πιθανοφάνεια (Maximum Likelihood) Βασίζονται στους χαρακτήρες των ακολουθιών και όχι στις αποστάσεις µεταξύ των ακολουθιών. Είναι δυνατή η ανακατασκευή των προγονικών ακολουθιών.
25 Μέγιστη φειδωλότητα Φυλογένεση (Maximum Parsimony) Διερευνά τα πιθανά δένδρα και επιλέγει το/τα δένδρο/α που εξηγεί τα δεδοµένα µε τα λιγότερα δυνατά εξελικτικά βήµατα / αντικαταστάσεις. Επιτρέπει την ανακατασκευή προγονικών ακολουθιών. Βασίζεται στο ξυράφι του Όκαµ (13ος αιώνας), όπου η πιο σύντοµη/ απλή εξήγηση είναι µάλλον και η πραγµατική. Δεν λαµβάνει υπόψην το γεγονός ότι περισσότερες από µια αντικαταστάσεις συνέβησαν στην ίδια θέση. Εποµένως, για κοντινές ακολουθίες λειτουργεί καλά, για αποµακρυσµένες ακολουθίες, που αυξάνεται η πιθανότητα πολλαπλών αντικαταστάσεων στην ίδια θέση, είναι προβληµατική µέθοδος.
26 Μέγιστη φειδωλότητα (Maximum Parsimony) Δεν χρησιµοποιεί όλες τις θέσεις µια πολλαπλής στοίχισης, άλλα µόνο εκείνες που έχουν αρκετή πληροφορία για να επιτραπεί ο διαχωρισµός/ οµαδοποίηση των ακολουθιών. Τέτοιες θέσεις πρέπει να έχουν τουλάχιστον 2 ειδών διαφορετικούς χαρακτήρες και ο κάθε ένας από αυτούς να υπάρχει τουλάχιστον σε 2 ακολουθίες.
27 Μέγιστη φειδωλότητα (Maximum Parsimony) Για την κάθε πιθανή τοπολογία δένδρου, υπολογίζεται πόσα συνολικά εξελικτικά βήµατα / αντικαταστάσεις χρειάζονται (στο σύνολο των θέσεων που χρησιµοποιούνται). Επιλέγεται το δένδρο µε τα λιγότερα εξελικτικά βήµατα. Συχνά, υπάρχουν περισσότερες από µια βέλτιστες λύσεις/δένδρα, γιατί δεν γνωρίζουµε ποιοί ήταν πραγµατικά οι χαρακτήρες στις προγονικές ακολουθίες. Τότε δηµιουργείται ένα δένδρο συναίνεσης από τα εξίσου βέλτιστα δένδρα. Φυλογένεση
28 Αναζητώντας το καλύτερο δένδρο Όταν ο αριθµός των taxa είναι µικρός, τότε µπορούν να υπολογιστούν όλα τα δυνατά δένδρα (brute force). Όταν 10< taxa <20, τότε εφαρµόζεται το branch and bound. Όταν taxa > 20, εφαρµόζονται ευρετικές µέθοδοι.
29 Αναζητώντας το καλύτερο δένδρο
30 Αναζητώντας το καλύτερο δένδρο Branch and bound. Δηµιουργείται το δένδρο µε UPGMA ή neighbor joining. Υπολογίζονται τα εξελικτικά βήµατα για αυτό το δένδρο. Ο αριθµός αυτός αποτελεί την οροφή. Ένα δένδρο µέγιστης φειδωλότητας θα πρέπει να έχει τον ίδιο αριθµό βηµάτων ή και µικρότερο. Καθώς χτίζεται σταδιακά το δένδρο φειδωλότητας, αν σε κάποιο στάδιο κάποιες επιλογές καταλήγουν σε βήµατα που ξεπερνούν την οροφή, τότε απορρίπτεται το συγκεκριµµένο µονοπάτι
31 Αναζητώντας το καλύτερο δένδρο
32 Αναζητώντας το καλύτερο δένδρο Ευρετικές µέθοδοι: Δηµιουργείται ένα δένδρο µε neighbor joining και υπολογίζονται τα εξελικτικά βήµατα για το συγκεκριµµένο δένδρο. Δοκιµάζονται τροποποιήσεις πάνω στο δένδρο αυτό. Αν βρεθεί ένα τροποποιηµένο δένδρο µε µικρότερο αριθµό εξελικτικών βηµάτων, τότε επιλέγεται αυτό και οι τροποποιήσεις γίνονται πάνω του, έως ότου βρεθεί ένα ακόµα καλύτερο δένδρο. Η διαδικασία συνεχίζεται έως ότου να µην βρίσκεται καλύτερο δένδρο. Ευρετικές µέθοδοι είναι γρήγορες, όµως δεν δίνουν πάντοτε την καλύτερη λύση.
33 Αναζητώντας το καλύτερο δένδρο
34 Μέγιστη φειδωλότητα (Maximum Parsimony) Δεν διορθώνει για πολλαπλές αντικαταστάσεις πάνω στην ίδια θέση, άρα είναι προβηµατική όταν µελετάµε αποµακρυσµένες ακολουθίες. Δεν χρησιµοποιεί όλες τις θέσεις µιας πολλαπλής στοίχισης. Η λύση επηρεάζεται από τον αλγόριθµο αναζήτησης του καλύτερου δένδρου. Είναι επιρρεπής στην έλξη µεταξύ µακρινών βραχιόνων (long branch attraction).
35 Έλξη µεταξύ µακρινών βραχιόνων (long branch attraction). Τάξα που εξελίσονται µε γρήγορους ρυθµούς και εποµένως έχουν µακρείς βραχίονες, έλκονται µεταξύ τους.
36 Μέγιστη πιθανοφάνεια Βασίζεται σε χαρακτήρες. Χρησιµοποιεί όλες τις θέσεις µια πολλαπλής στοίχισης. Χρησιµοποιεί πιθανότητες και µοντέλα αντικατάστασης. Υπολογίζονται οι χαρακτήρες σε κάθε προγονική ακολουθία. Υπολογίζει για το κάθε πιθανό εξελικτικό µονοπάτι (προγονικές ακολουθίες και δένδρο) την πιθανότητα του, µε βάση τα παρατηρούµενα σηµερινά δεδοµένα και ένα συγκεκριµµένο µοντέλο εξέλιξης (µοντέλο αντικατάστασης). Οι πιθανότητες µετατρέπονται σε log-likelihood scores. Δένδρο µε το µεγαλύτερο log-likelihood score επιλέγεται.
37 Μέγιστη πιθανοφάνεια Φυλογένεση
38 Αξιολόγηση του δένδρου Bootstrap: Τυχαία δειγµατοληψία θέσεων της πολλαπλής στοίχισης. Μια θέση µπορεί να επιλεγεί περισσότερες από µια φορές ή και καµία. Δηµιουργία µιας νέας αλλαγµένης πολλαπλής στοίχισης Η διαδικασία επαναλαµβάνεται φορές. Για κάθε νέα πολλαπλή στοίχιση, υπολογίζεται το δένδρο. Τα νέα δένδρα συγχωνεύονται σε ένα νέο δένδρο (consensus tree). Boostrap -> συχνότητα εµφάνισης ενός κόµβου. Bootstrap 70% -> 95% εµπιστοσύνη. Αν η µεθοδολογία δηµιουργίας του δένδρου είναι λάθος, µπορεί να πάρουµε υψηλές τιµές bootstrap για το λάθος δένδρο.
39 bootstrap Φυλογένεση
40 Jacknife To Jacknife είναι παρόµοιο µε το bootstrap. Επιλέγονται τυχαία (δίχως αντικατάσταση) οι µισές στήλες της πολλαπλής στοίχισης. Πρόβληµα: τα νέα δένδρα δηµιουργούνται από λιγότερα δεδοµένα.
41 Tests που ελέγχουν αν ένα δένδρο είναι καλύτερο από ένα άλλο Συγκρίνονται 2 δένδρα στο σύνολό τους, µε στατιστικές µεθόδους π.χ. Paired t-test ή χ 2. Το bootstrap ή το Jacknife ελέγχει την αξιοπιστία του κάθε επιµέρους κλάδου. Για κάθε µέθοδο κατασκευής δένδρων χρησιµοποιείται και το αντίστοιχο τεστ. Για µέγιστη φειδωλότητα: Kishino-Hasegawa test. 2 δένδρα, Ν πληροφοριακές θέσεις. Για κάθε θέση, υπολογίζεται το µήκος βραχιόνων του καθένα από τα 2 δένδρα. Αυτό γίνεται και για τις Ν θέσεις. Οι τιµές χρησιµοποιούνται σε paired t-test, για να φανεί αν η διαφορά µεταξύ των 2 δένδρων είναι στατιστικά σηµαντική. Για µέγιστη πιθανοφάνεια: Shimodaira-Hasegawa test. Αρχικά υπολογίζονται τα log-likelihood scores για τα 2 δένδρα. Οι βαθµοί ελευθερίας εξαρτώνται από το µοντέλο εξέλιξης που χρησιµοποιείται. Χρησιµοποιείται το χ 2.
Φυλογένεση. 5o εργαστήριο
Φυλογένεση 5o εργαστήριο Φυλογένεση οργανισµών Δείχνει την εξελικτική πορεία µιας οµάδας οργανισµών. Οι κόµβοι (nodes) στο δένδρο απεικονίζουν γεγονότα ειδογένεσης. H φυλογένεση µπορεί να γίνει από µια
Διαβάστε περισσότεραΒιοπληροφορική. Ενότητα 16: Μεθοδολογίες (Ανα-) Κατασκευής, 2 ΔΩ. Τμήμα: Βιοτεχνολογίας Όνομα καθηγητή: Τ. Θηραίου
Βιοπληροφορική Ενότητα 16: Μεθοδολογίες (Ανα-) Κατασκευής, 2 ΔΩ Τμήμα: Βιοτεχνολογίας Όνομα καθηγητή: Τ. Θηραίου Μαθησιακοί Στόχοι Επεξήγηση των μεθόδων (ανα-)κατασκευής φυλογενετικών δέντρων. Παρουσίαση
Διαβάστε περισσότεραΠολλαπλή στοίχιση Φυλογένεση
Πολλαπλή στοίχιση Φυλογένεση MSA: Τι είναι Στοίχιση για 3 ή περισσότερες ακολουθίες. Αποκαλύπτονται οι συντηρηµένες περιοχές µεταξύ των ακολουθιών µιας οικογένειας. Χρειάζεται για: Δηµιουργία profiles/motifs
Διαβάστε περισσότεραΜοριακή Εξέλιξη και Φυλογένεση
Μοριακή Εξέλιξη και Φυλογένεση Το δένδρο της Ζωής Γιατί είναι σηµαντική η Φυλογένεση; Για την κατανόηση και την κατάταξη της ποικιλότητας της ζωής στη Γη Για τον έλεγχο εξελικτικών υποθέσεων: - εξέλιξη
Διαβάστε περισσότεραΦΥΣΙΚΗ ΑΝΘΡΩΠΟΛΟΓΙΑ. Πρωτεύοντα ΙΙΙ Χρήση µοριακών δεδοµένων
ΦΥΣΙΚΗ ΑΝΘΡΩΠΟΛΟΓΙΑ Πρωτεύοντα ΙΙΙ Χρήση µοριακών δεδοµένων Φυλογένεση Η φυλογένεσης αφορά την ανεύρεση των συνδετικών εκείνων κρίκων που συνδέουν τα διάφορα είδη µεταξύ τους εξελικτικά, σε µονοφυλετικές
Διαβάστε περισσότεραΦΥΛΟΓΕΝΕΤΙΚ Α ΔΕΝΤΡΑ
ΦΥΛΟΓΕΝΕΤΙΚΑ ΔΕΝΤΡΑ Χαρακτηριστική πτυχή της ζωής είναι η απεριόριστη ποικιλότητα της. Δεν υπάρχουν δύο ίδια άτομα σε έναν πληθυσμό, δύο ίδιοι πληθυσμοί σε ένα είδος, δύο ίδια είδη, κ. ο. κ. Παντού, υπάρχει
Διαβάστε περισσότεραΛίγη εξέλιξη: οµολογία
Φυλογένεση Η εκτίµηση της εξελικτικής ιστορίας γονιδίων/πρωτεϊνών ή οργανισµών. Η απεικόνιση αυτής της ιστορίας γίνεται µε φυλογράµµατα/ κλαδογράµµατα Λίγη εξέλιξη: οµολογία Οµόλογα γονίδια: κοινός εξελικτικός
Διαβάστε περισσότεραΠίνακες αντικατάστασης PAM και BLOSUM και εναλλακτικές προσεγγίσεις
Πίνακες αντικατάστασης PAM και BLOSUM και εναλλακτικές προσεγγίσεις Βασίλης Προμπονάς, PhD Ερευνητικό Εργαστήριο Βιοπληροφορικής Τμήμα Βιολογικών Επιστημών Νέα Παν/πολη, Γραφείο B161 Πανεπιστήμιο Κύπρου
Διαβάστε περισσότεραΒιοπληροφορική Ι. Παντελής Μπάγκος Αναπληρωτής Καθηγητής. Πανεπιστήμιο Θεσσαλίας Λαμία, 2015
Βιοπληροφορική Ι Παντελής Μπάγκος Αναπληρωτής Καθηγητής Πανεπιστήμιο Θεσσαλίας Λαμία, 2015 1 Φυλογενετικές σχέσεις Χρησιμοποιούνται οι ομοιότητες και οι διαφορές των μελετούμενων οργανισμών Τα χαρακτηριστικά
Διαβάστε περισσότεραΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΪΚΑ ΜΑΘΗΜΑΤΑ ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ. Βιοπληροφορική. Ενότητα 5 η : Φυλογενετική ανάλυση 2. Ηλίας Καππάς Τμήμα Βιολογίας
ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΪΚΑ ΜΑΘΗΜΑΤΑ Ενότητα 5 η : Φυλογενετική ανάλυση 2 Ηλίας Καππάς Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative Commons.
Διαβάστε περισσότεραΤαξινόµιση οργανισµών
Ταξινόµιση οργανισµών Ιεραρχική κατηγοριοποίηση/ οµαδοποίηση οργανισµών. Linnaeus (1707-1778) οµαδοποίησε οργανισµούς µε βάση κοινούς χαρακτήρες. Αργότερα, η ταξινόµιση προσαρµόστηκε στην εξελικτική θεωρία
Διαβάστε περισσότεραΛειτουργική γονιδιωµατική. 6ο εργαστήριο
Λειτουργική γονιδιωµατική 6ο εργαστήριο Λειτουργική γονιδιωµατική Προσπαθεί να κατανοήσει τις λειτουργίες των βιολογικών µορίων, σε επίπεδο ολόκληρου του γονιδιώµατος. Γίνονται µετρήσεις για το σύνολο
Διαβάστε περισσότεραΒιοπληροφορική. Ενότητα 6: Στοίχιση ακολουθιών ανά ζεύγη Σύστημα βαθμολόγησης, 2 ΔΩ. Τμήμα: Βιοτεχνολογίας Όνομα καθηγητή: Τ.
Βιοπληροφορική Ενότητα 6: Στοίχιση ακολουθιών ανά ζεύγη Σύστημα βαθμολόγησης, 2 ΔΩ Τμήμα: Βιοτεχνολογίας Όνομα καθηγητή: Τ. Θηραίου Μαθησιακοί Στόχοι Κατανόηση της σημασίας του συστήματος βαθμολόγησης
Διαβάστε περισσότεραLALING/PLALING :
1. Άρθρα- δημοσιεύσεις Scopus DBLP Pubmed Google Scholar 2. Αναζήτηση νουκλεοτιδίου- πρωτεΐνης Entrez : http://www.ncbi.nlm.nih.gov/nuccore/ Uniprot (πρωτεΐνης): http://www.uniprot.org/ Blast : http://blast.ncbi.nlm.nih.gov/blast.cgi
Διαβάστε περισσότεραΠολλαπλή στοίχιση multiple sequence alignment (MSA)
Πολλαπλή στοίχιση multiple sequence alignment (MSA) MSA: Τι είναι Στοίχιση για 3 ή περισσότερες ακολουθίες. Αποκαλύπτονται οι συντηρηµένες περιοχές µεταξύ των ακολουθιών µιας οικογένειας. Χρειάζεται για:
Διαβάστε περισσότεραPSI-Blast: τι είναι. Position specific scoring matrices (PSSMs) (Πίνακες αντικατάστασης θέσης)
PSI-Blast PSI-Blast PSI-Blast: τι είναι PSI-Blast: Position-specific iterated Blast Position specific scoring matrices (PSSMs) (Πίνακες αντικατάστασης θέσης) Altschul et al., 1997 http://www.ncbi.nlm.nih.gov/pmc/articles/pmc146917/pdf/253389.pdf
Διαβάστε περισσότεραΚεφάλαιο 6 Φυλογενετική Ανάλυση
Κεφάλαιο 6 Φυλογενετική Ανάλυση Σύνοψη Στο κεφάλαιο αυτό εξετάζονται οι υπολογιστικές όψεις της φυλογενετικής ανάλυσης, δηλαδή, της διαδικασίας εκτίμησης των εξελικτικών σχέσεων των οργανισμών, μέσα από
Διαβάστε περισσότεραΒιοπληροφορική. Blast/PSI-Blast 3o εργαστήριο
Βιοπληροφορική Blast/PSI-Blast 3o εργαστήριο Αναζήτηση οµόλογων ακολουθιών σε βάσεις δεδοµένων (i) Οµόλογες ακολουθίες πιθανόν να έχουν παρόµοιες λειτουργίες. Ακολουθία επερώτησης (query sequence) Υποκείµενες
Διαβάστε περισσότεραΒιοπληροφορική. Ενότητα 6: Στοίχιση ακολουθιών ανά ζεύγη Σύστημα βαθμολόγησης, 2 ΔΩ. Τμήμα: Βιοτεχνολογίας Όνομα καθηγητή: Τ.
Βιοπληροφορική Ενότητα 6: Στοίχιση ακολουθιών ανά ζεύγη Σύστημα βαθμολόγησης, 2 ΔΩ Τμήμα: Βιοτεχνολογίας Όνομα καθηγητή: Τ. Θηραίου Μαθησιακοί Στόχοι Κατανόηση της σημασίας του συστήματος βαθμολόγησης
Διαβάστε περισσότεραΚεφάλαιο 5 ο : Αλγόριθµοι Σύγκρισης Ακολουθιών Βιολογικών εδοµένων
Κεφάλαιο 5 ο : Αλγόριθµοι Σύγκρισης Ακολουθιών Βιολογικών εδοµένων Σε αυτό το κεφάλαιο παρουσιάζουµε 2 βασικούς αλγορίθµους σύγκρισης ακολουθιών Βιολογικών εδοµένων τους BLAST & FASTA. Οι δυο αλγόριθµοι
Διαβάστε περισσότεραΑΣΚΗΣΗ 3η Στοίχιση ακολουθιών βιολογικών µακροµορίων
ΑΣΚΗΣΗ 3η Στοίχιση ακολουθιών βιολογικών µακροµορίων ΕΙΣΑΓΩΓΗ Ένας από τους πρωταρχικούς στόχους της σύγκρισης των ακολουθιών δύο µακροµορίων είναι η εκτίµηση της οµοιότητάς τους και η εξαγωγή συµπερασµάτων
Διαβάστε περισσότεραΣτοίχιση κατά ζεύγη. Στοίχιση ακολουθιών κατά ζεύγη (Pairwise alignment)
Στοίχιση ακολουθιών κατά ζεύγη (Pairwise alignment) Στοίχιση κατά ζεύγη: Τι είναι Αντιστοίχιση των νουκλεοτιδίων/αµινοξέων δυο ακολουθιών, ώστε να εντοπιστούν οι οµοιότητες και οι διαφορές τους. Χρησιµοποιείται
Διαβάστε περισσότεραΑΣΚΗΣΗ 4η Αναζήτηση οµοιοτήτων σε βάσεις δεδοµένων ακολουθιών
ΑΣΚΗΣΗ 4η Αναζήτηση οµοιοτήτων σε βάσεις δεδοµένων ακολουθιών ΕΙΣΑΓΩΓΗ Η αναζήτηση οµοιοτήτων σε βάσεις δεδοµένων ακολουθιών (database similarity searching) αποτελεί µια από τις συχνότερα χρησιµοποιούµενες
Διαβάστε περισσότεραΑλγόριθµοι Εύρεσης Οµοιοτήτων Ακολουθιών Μέρος ΙΙΙ: Έλεγχος στατιστικής σηµαντικότητας. Πίνακες αντικατάστασης για σύγκριση ακολουθιών
Αλγόριθµοι Εύρεσης Οµοιοτήτων Ακολουθιών Μέρος ΙΙΙ: Έλεγχος στατιστικής σηµαντικότητας Πίνακες αντικατάστασης για σύγκριση ακολουθιών Vasilis Promponas Bioinformatics Research Laboratory Department of
Διαβάστε περισσότεραΒιοπληροφορική. Ενότητα 15: Φυλογενετική Ανάλυση, 1 ΔΩ. Τμήμα: Βιοτεχνολογίας Όνομα καθηγητή: Τ. Θηραίου
Βιοπληροφορική Ενότητα 15: Φυλογενετική Ανάλυση, 1 ΔΩ Τμήμα: Βιοτεχνολογίας Όνομα καθηγητή: Τ. Θηραίου Μαθησιακοί Στόχοι παρουσίαση και ανάδειξη της σημασίας της φυλογενετικής ανάλυσης. παρουσίαση των
Διαβάστε περισσότεραΒιοπληροφορική. Ενότητα 9: Αναζήτηση Ομοιοτήτων σε ΒΔ Ακολουθιών - Στατιστική Σημαντικότητα, 1 ΔΩ. Τμήμα: Βιοτεχνολογίας Όνομα καθηγητή: Τ.
Βιοπληροφορική Ενότητα 9: Αναζήτηση Ομοιοτήτων σε ΒΔ Ακολουθιών - Στατιστική Σημαντικότητα, 1 ΔΩ Τμήμα: Βιοτεχνολογίας Όνομα καθηγητή: Τ. Θηραίου Μαθησιακοί Στόχοι Παρουσίαση των εφαρμογών της αναζήτησης
Διαβάστε περισσότεραΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΪΚΑ ΜΑΘΗΜΑΤΑ ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ. Βιοπληροφορική. Ενότητα 4 η : Φυλογενετική ανάλυση 1. Ηλίας Καππάς Τμήμα Βιολογίας
ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΪΚΑ ΜΑΘΗΜΑΤΑ Ενότητα 4 η : Φυλογενετική ανάλυση 1 Ηλίας Καππάς Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης reative ommons.
Διαβάστε περισσότεραΠΟΛΛΑΠΛΗ ΣΤΟΙΧΙΣΗ ΑΚΟΛΟΥΘΙΩΝ IΙ ΦΥΛΟΓΕΝΕΤΙΚΗ ΑΝΑΛΥΣΗ
ΠΟΛΛΑΠΛΗ ΣΤΟΙΧΙΣΗ ΑΚΟΛΟΥΘΙΩΝ IΙ ΦΥΛΟΓΕΝΕΤΙΚΗ ΑΝΑΛΥΣΗ Σελίδα 1 Μοντέλα Πολλαπλής Στοίχισης Consensus sequences Patterns and regular expressions Position Specifc Scoring Matrices (PSSMs) Generalized Profiles
Διαβάστε περισσότεραΒασικές αρχές φυλογένεσης
Βασικές αρχές φυλογένεσης Οποιαδήποτε ομάδα οργανισμών προέρχεται από έναν κοινό πρόγονο μέσω της εξέλιξης Υπάρχει διχαλωτό πρότυπο στην εξέλιξη Αλλαγή στα χαρακτηριστικά εμφανίζεται μετά το πέρασμα πολλών
Διαβάστε περισσότεραΚεφάλαιο 6. Φυλογενετική Ανάλυση
Σύνοψη Στο κεφάλαιο αυτό θα επιστρέψουμε σε προβλήματα που αφορούν τη σύγκριση αλληλουχιών με το ενδιαφέρον να επικεντρώνεται τώρα όχι στο βαθμός ομοιότητας αλλά στο τι συμπεράσματα μπορούμε να εξάγουμε
Διαβάστε περισσότεραΧρήστος Ι. Σχοινάς Αν. Καθηγητής ΔΠΘ. Συμπληρωματικές σημειώσεις για το μάθημα: «Επιχειρησιακή Έρευνα ΙΙ»
Χρήστος Ι. Σχοινάς Αν. Καθηγητής ΔΠΘ Συμπληρωματικές σημειώσεις για το μάθημα: «Επιχειρησιακή Έρευνα ΙΙ» 2 ΔΥΝΑΜΙΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ Προβλήματα ελάχιστης συνεκτικότητας δικτύου Το πρόβλημα της ελάχιστης
Διαβάστε περισσότεραΠανεπιστήμιο Δυτικής Μακεδονίας. Τμήμα Μηχανικών Πληροφορικής & Τηλεπικοινωνιών. Βιοπληροφορική. Ενότητα 10: Κατασκευή φυλογενετικών δέντρων
Τμήμα Μηχανικών Πληροφορικής & Τηλεπικοινωνιών Βιοπληροφορική Ενότητα 10: Κατασκευή φυλογενετικών δέντρων Αν. καθηγητής Αγγελίδης Παντελής e-mail: paggelidis@uowm.gr ΕΕΔΙΠ Μπέλλου Σοφία e-mail: sbellou@uowm.gr
Διαβάστε περισσότερα(Μερος 2 ο ) Εισηγητής: Ν. Πουλακάκης
Ταξινομικοί χαρακτήρες και Φυλογενετική ανασύσταση. Σχολές ταξινόμησης. Θεωρίες για την Ταξινομική. Φυλογενετική ανάλυση: Μοριακή συστηματική. Οι κύριες διαιρέσεις της Ζωής. (Μερος 2 ο ) Εισηγητής: Ν.
Διαβάστε περισσότεραΟΙΚΟΝΟΜΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΘΗΝΩΝ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ ΦΡΟΝΤΙΣΤΗΡΙΟ ΑΛΓΟΡΙΘΜΩΝ ΒΟΗΘΟΣ: ΒΑΓΓΕΛΗΣ ΔΟΥΡΟΣ
ΟΙΚΟΝΟΜΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΘΗΝΩΝ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ ΦΡΟΝΤΙΣΤΗΡΙΟ ΑΛΓΟΡΙΘΜΩΝ ΒΟΗΘΟΣ: ΒΑΓΓΕΛΗΣ ΔΟΥΡΟΣ Φροντιστήριο #: Εύρεση Ελαχίστων Μονοπατιών σε Γραφήματα που Περιλαμβάνουν και Αρνητικά Βάρη: Αλγόριθμος
Διαβάστε περισσότεραΣεραφείµ Καραµπογιάς. Πηγές Πληροφορίας και Κωδικοποίηση Πηγής 6.3-1
Ο αλγόριθµος Lempel-iv Ο αλγόριθµος Lempel-iv ανήκει στην κατηγορία των καθολικών universal αλγορίθµων κωδικοποίησης πηγής δηλαδή αλγορίθµων που είναι ανεξάρτητοι από τη στατιστική της πηγής. Ο αλγόριθµος
Διαβάστε περισσότεραΠεριεχόμενα. 1 Η ιστορία της εξελικτικής βιολογίας: Εξέλιξη και Γενετική 2 Η Προέλευση της Μοριακής Βιολογίας 3 Αποδείξεις για την εξέλιξη 89
Περιεχόμενα Οι Συγγραφείς Πρόλογος της Ελληνικής Έκδοσης Πρόλογος της Αμερικανικής Έκδοσης Σκοπός και Αντικείμενο του Βιβλίου ΜΕΡΟΣ Ι ΜΙΑ ΕΠΙΣΚΟΠΗΣΗ ΤΗΣ ΕΞΕΛΙΚΤΙΚΗΣ ΒΙΟΛΟΓΙΑΣ 1 Η ιστορία της εξελικτικής
Διαβάστε περισσότεραΕξελικτική Οικολογία - Διάλεξη 9. Επικ. Καθ. Πουλακάκης Νίκος poulakakis@nhmc.uoc.gr
Εξελικτική Οικολογία - Διάλεξη 9 Φυλογενετικά δέντρα Εισηγητής Επικ. Καθ. Πουλακάκης Νίκος poulakakis@nhmc.uoc.gr Δημιουργία φυλογενετικού δέντρου Τα βήματα που περιλαμβάνονται στη δημιουργία ενός δέντρου
Διαβάστε περισσότεραροµολόγηση πακέτων σε δίκτυα υπολογιστών
ροµολόγηση πακέτων σε δίκτυα υπολογιστών Συµπληρωµατικές σηµειώσεις για το µάθηµα Αλγόριθµοι Επικοινωνιών Ακαδηµαϊκό έτος 2011-2012 1 Εισαγωγή Οι παρακάτω σηµειώσεις παρουσιάζουν την ανάλυση του άπληστου
Διαβάστε περισσότεραΣτατιστικό κριτήριο χ 2
18 Μεθοδολογία Επιστηµονικής Έρευνας & Στατιστική Στατιστικό κριτήριο χ 2 Ο υπολογισµός του κριτηρίου χ 2 γίνεται µέσω του µενού [Statistics => Summarize => Crosstabs...]. Κατά τη συγκεκριµένη διαδικασία
Διαβάστε περισσότεραΚΕΦΑΛΑΙΟ 3ο ΤΥΧΑΙΟΙ ΑΡΙΘΜΟΙ ΕΛΕΓΧΟΣ ΤΥΧΑΙΟΤΗΤΑΣ
ΚΕΦΑΛΑΙΟ 3ο ΤΥΧΑΙΟΙ ΑΡΙΘΜΟΙ ΕΛΕΓΧΟΣ ΤΥΧΑΙΟΤΗΤΑΣ 3.1 Τυχαίοι αριθμοί Στην προσομοίωση διακριτών γεγονότων γίνεται χρήση ακολουθίας τυχαίων αριθμών στις περιπτώσεις που απαιτείται η δημιουργία στοχαστικών
Διαβάστε περισσότεραΑνάλυση Κόστους Κύκλου Ζωής
Ανάλυση Κόστους Κύκλου Ζωής ρ Γ. Γιαννακίδης Εισαγωγή Στόχοι και Οφέλη Ανάλυση Κόστους Κύκλου Ζωής Life Cycle Cost Analysis - LCCA Μέθοδος οικονοµικής σύγκρισης εναλλακτικών επενδύσεων που βασίζεται στο
Διαβάστε περισσότεραΕΞΕΛΙΚΤΙΚΗ ΠΑΛΑΙΟΝΤΟΛΟΓΙΑ
ΕΘΝΙΚΟ ΚΑΙ ΚΑΠΟΔΙΣΤΡΙΑΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΘΗΝΩΝ ΤΜΗΜΑ ΓΕΩΛΟΓΙΑΣ ΚΑΙ ΓΕΩΠΕΡΙΒΑΛΛΟΝΤΟΣ ΤΟΜΕΑΣ ΙΣΤΟΡΙΚΗΣ ΓΕΩΛΟΓΙΑΣ-ΠΑΛΑΙΟΝΤΟΛΟΓΙΑΣ ΕΞΕΛΙΚΤΙΚΗ ΠΑΛΑΙΟΝΤΟΛΟΓΙΑ ΤΙ ΕΙΝΑΙ Η ΦΥΛΟΓΕΝΕΣΗ ΤΙ ΜΑΣ ΛΕΝΕ ΤΑ ΦΥΛΟΓΕΝΕΤΙΚΑ
Διαβάστε περισσότεραΕισαγωγή στους αλγορίθμους Βιοπληροφορικής. Στοίχιση αλληλουχιών
Στοίχιση αλληλουχιών Σύνοψη Καθολική στοίχιση Μήτρες βαθμολόγησης Τοπική στοίχιση Στοίχιση με ποινές εισαγωγής κενών Από την LCS στη στοίχιση: αλλαγές στη βαθμολόγηση Το πρόβλημα της Μεγαλύτερης Κοινής
Διαβάστε περισσότεραΚεφάλαιο 14. Ανάλυση ιακύµανσης Μονής Κατεύθυνσης. Ανάλυση ιακύµανσης Μονής Κατεύθυνσης
Κεφάλαιο 14 Ανάλυση ιακύµανσης Μονής Κατεύθυνσης 1 Ανάλυση ιακύµανσης Μονής Κατεύθυνσης Παραµετρικό στατιστικό κριτήριο για τη µελέτη της επίδρασης µιας ανεξάρτητης µεταβλητής στην εξαρτηµένη Λογική παρόµοια
Διαβάστε περισσότεραΠΟΛΛΑΠΛΗ ΣΤΟΙΧΙΣΗ ΑΚΟΛΟΥΘΙΩΝ I
ΠΟΛΛΑΠΛΗ ΣΤΟΙΧΙΣΗ ΑΚΟΛΟΥΘΙΩΝ I Σελίδα 1 Πολλαπλή στοίχιση αποκαλύπτει συντηρημένες περιοχές αντιστοίχιση καταλοίπων με κριτήρια ομοιότητας σε επίπεδο δομής εξέλιξης λειτουργίας ακολουθίας Σελίδα 2 Πολλαπλή
Διαβάστε περισσότεραιαδίκτυα & Ενδοδίκτυα Η/Υ
ιαδίκτυα & Ενδοδίκτυα Η/Υ (Kεφ. 10) ΡΟΜΟΛΟΓΗΣΗ Χαρακτηριστικά Στρατηγικές ροµολόγησης Παραδείγµατα Βιβλίο Μαθήµατος: Επικοινωνίες Υπολογιστών & εδοµένων, William Stallings, 6/e, 2000. ΕΥ - κεφ.10 (2/3)
Διαβάστε περισσότεραιαµέριση - Partitioning
ιαµέριση - Partitioning ιαµέριση ιαµέριση είναι η διαµοίραση αντικειµένων σε οµάδες µε στόχο την βελτιστοποίηση κάποιας συνάρτησης. Στην σύνθεση η διαµέριση χρησιµοποιείται ως εξής: Οµαδοποίηση µεταβλητών
Διαβάστε περισσότεραΟμαδοποίηση Ι (Clustering)
Ομαδοποίηση Ι (Clustering) Πασχάλης Θρήσκος PhD Λάρισα 2016-2017 pthriskos@mnec.gr Αλγόριθμοι ομαδοποίησης Επίπεδοι αλγόριθμοι Αρχίζουμε με μια τυχαία ομαδοποίηση Βελτιώνουμε επαναληπτικά KMeans Ομαδοποίηση
Διαβάστε περισσότεραΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ Τ Μ Η Μ Α Π Λ Η Ρ Ο Φ Ο Ρ Ι Κ Η Σ
ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ Τ Μ Η Μ Α Π Λ Η Ρ Ο Φ Ο Ρ Ι Κ Η Σ ΕΠΛ 035 - ΔΟΜΕΣ ΔΕΔΟΜΕΝΩΝ ΚΑΙ ΑΛΓΟΡΙΘΜΟΙ ΓΙΑ ΗΛΕΚΤΡΟΛΟΓΟΥΣ ΜΗΧΑΝΙΚΟΥΣ ΚΑΙ ΜΗΧΑΝΙΚΟΥΣ ΥΠΟΛΟΓΙΣΤΩΝ Ακαδηµαϊκό έτος 2017-2018 Υπεύθυνος εργαστηρίου: Γεώργιος
Διαβάστε περισσότεραΕφαρμοσμένη Στατιστική Δημήτριος Μπάγκαβος Τμήμα Μαθηματικών και Εφαρμοσμένων Μαθηματικών Πανεπισ τήμιο Κρήτης 2 Μαΐου /23
Εφαρμοσμένη Στατιστική Δημήτριος Μπάγκαβος Τμήμα Μαθηματικών και Εφαρμοσμένων Μαθηματικών Πανεπιστήμιο Κρήτης 2 Μαΐου 2017 1/23 Ανάλυση Διακύμανσης. Η ανάλυση παλινδρόμησης μελετά τη στατιστική σχέση ανάμεσα
Διαβάστε περισσότεραΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ ΤΜΗΜΑ ΗΛΕΚΤΡΟΝΙΚΩΝ ΜΗΧΑΝΙΚΩΝ & ΜΗΧΑΝΙΚΩΝ ΥΠΟΛΟΓΙΣΤΩΝ ΕΡΓΑΣΤΗΡΙΟ ΜΙΚΡΟΕΠΕΞΕΡΓΑΣΤΩΝ ΚΑΙ ΥΛΙΚΟΥ ΔΙΠΛΩΜΑΤΙΚΗ ΕΡΓΑΣΙΑ
ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ ΤΜΗΜΑ ΗΛΕΚΤΡΟΝΙΚΩΝ ΜΗΧΑΝΙΚΩΝ & ΜΗΧΑΝΙΚΩΝ ΥΠΟΛΟΓΙΣΤΩΝ ΕΡΓΑΣΤΗΡΙΟ ΜΙΚΡΟΕΠΕΞΕΡΓΑΣΤΩΝ ΚΑΙ ΥΛΙΚΟΥ ΔΙΠΛΩΜΑΤΙΚΗ ΕΡΓΑΣΙΑ ΜΕΛΕΤΗ, ΣΧΕΔΙΑΣΜΟΣ ΚΑΙ ΥΛΟΠΟΙΗΣΗ ΤΗΣ ΣΥΝΑΡΤΗΣΗΣ ΦΥΛΟΓΕΝΕΤΙΚΗΣ ΠΙΘΑΝΟΦΑΝΕΙΑΣ
Διαβάστε περισσότεραΤεχνητή Νοημοσύνη. 4η διάλεξη ( ) Ίων Ανδρουτσόπουλος.
Τεχνητή Νοημοσύνη 4η διάλεξη (2016-17) Ίων Ανδρουτσόπουλος http://www.aueb.gr/users/ion/ 1 Οι διαφάνειες αυτής της διάλεξης βασίζονται κυρίως στα βιβλία Τεχνητή Νοημοσύνη των Βλαχάβα κ.ά., 3η έκδοση, Β.
Διαβάστε περισσότεραΔειγματοληψία. Πρέπει να γνωρίζουμε πως πήραμε το δείγμα Το πλήθος n ij των παρατηρήσεων σε κάθε κελί είναι τ.μ. με μ ij συμβολίζουμε την μέση τιμή:
Δειγματοληψία Πρέπει να γνωρίζουμε πως πήραμε το δείγμα Το πλήθος των παρατηρήσεων σε κάθε κελί είναι τ.μ. με μ συμβολίζουμε την μέση τιμή: Επομένως στην δειγματοληψία πινάκων συνάφειας αναφερόμαστε στον
Διαβάστε περισσότεραΒιοπληροφορική. Ενότητα 5: Στοίχιση ακολουθιών ανά ζεύγη, 2 ΔΩ. Τμήμα: Βιοτεχνολογίας Όνομα καθηγητή: Τ. Θηραίου
Βιοπληροφορική Ενότητα 5: Στοίχιση ακολουθιών ανά ζεύγη, 2 ΔΩ Τμήμα: Βιοτεχνολογίας Όνομα καθηγητή: Τ. Θηραίου Μαθησιακοί Στόχοι Κατανόηση της συσχέτισης ομολογίας ομοιότητας. Παρουσίαση των πληροφοριών
Διαβάστε περισσότεραΣυμπίεση χωρίς Απώλειες
Συμπίεση χωρίς Απώλειες Στόχοι της συμπίεσης δεδομένων: Μείωση του απαιτούμενου χώρου αποθήκευσης των δεδομένων. Περιορισμός της απαιτούμενης χωρητικότητας διαύλου επικοινωνίας για την μετάδοση. μείωση
Διαβάστε περισσότεραΜελετάμε την περίπτωση όπου αποθηκεύουμε ένα (δυναμικό) σύνολο στοιχειών. Ένα στοιχείο γράφεται ως, όπου κάθε.
Ψηφιακά Δένδρα Μελετάμε την περίπτωση όπου αποθηκεύουμε ένα (δυναμικό) σύνολο στοιχειών τα οποία είναι ακολουθίες συμβάλλων από ένα πεπερασμένο αλφάβητο Ένα στοιχείο γράφεται ως, όπου κάθε. Μπορούμε να
Διαβάστε περισσότεραΜεθοδολογία των επιστημών του Ανθρώπου: Στατιστική Ι
Μεθοδολογία των επιστημών του Ανθρώπου: Στατιστική Ι Εργαστήριο 9 1. Να χρησιμοποιηθεί το αρχείο data_kids. Τα δεδομένα του προέρχονται από την έρευνα των Chase και Dummer (1992), μελέτησαν τον ρόλο των
Διαβάστε περισσότεραΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕ ΟΝΙΑΣ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΠΜΣΕ ΣΤΗΝ ΕΦΑΡΜΟΣΜΕΝΗ ΠΛΗΡΟΦΟΡΙΚΗ ΝΕΥΡΩΝΙΚΑ ΙΚΤΥΑ ΚΑΙ ΕΞΕΛΙΚΤΙΚΟΙ ΑΛΓΟΡΙΘΜΟΙ
ΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕ ΟΝΙΑΣ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΠΜΣΕ ΣΤΗΝ ΕΦΑΡΜΟΣΜΕΝΗ ΠΛΗΡΟΦΟΡΙΚΗ ΝΕΥΡΩΝΙΚΑ ΙΚΤΥΑ ΚΑΙ ΕΞΕΛΙΚΤΙΚΟΙ ΑΛΓΟΡΙΘΜΟΙ ΟΜΑ Α ΑΣΚΗΣΕΩΝ ΑΣΚΗΣΗ Στην εικόνα παρακάτω φαίνεται ένα νευρωνικό
Διαβάστε περισσότεραΕΠΑΝΑΛΗΨΗ. Σελίδα 1 ΒΙΟΠΛΗΡΟΦΟΡΙΚΗ. Τ. Θηραίου
ΕΠΑΝΑΛΗΨΗ Σελίδα 1 τεχνική σύγκρισης ακολουθιών υπολογισµός ενός µέτρου οµοιότητας αναζήτηση ομολογίας S-S match S1 HFCGGSLINEQWVVSAGHC HFCG S NE AGHC S2 HFCGASIYNENYA-TAGHC gap mismatch Σελίδα 2 ολική
Διαβάστε περισσότεραΜονοπαραγοντική Ανάλυση Διακύμανσης Ανεξάρτητων Δειγμάτων
Μονοπαραγοντική Ανάλυση Διακύμανσης Ανεξάρτητων Δειγμάτων 1 Μονοπαραγοντική Ανάλυση Διακύμανσης Παραμετρικό στατιστικό κριτήριο για τη μελέτη της επίδρασης μιας ανεξάρτητης μεταβλητής στην εξαρτημένη Λογική
Διαβάστε περισσότεραΣτατιστική και Θεωρία Πιθανοτήτων (ΓΓ04) ΑΝΤΩΝΙΟΣ ΧΡ. ΜΠΟΥΡΑΣ Εαρινό Εξάμηνο
Εαρινό εξάμηνο 2009-2010 Στατιστική και Θεωρία Πιθανοτήτων (ΓΓ04) ΑΝΤΩΝΙΟΣ ΧΡ. ΜΠΟΥΡΑΣ Εαρινό Εξάμηνο 2009-2010 Στατιστική και Θεωρία Πιθανοτήτων users.att.sch.gr/abouras abouras@sch.gr sch.gr abouras@uth.gr
Διαβάστε περισσότεραΚατα ζέυγη στοίχιση και στατιστική σημαντικότητα αυτής
ΒΙΟΠΛΗΡΟΦΟΡΙΚΗ ΙΙ Κατα ζέυγη στοίχιση και στατιστική σημαντικότητα αυτής Παντελής Μπάγκος 1 Διάλεξη 2 Αναζήτηση ομοιότητας και κατά ζεύγη στοίχιση ακολουθιών 2 Κατά ζεύγη στοίχιση ακολουθιών Από τα πιο
Διαβάστε περισσότεραΑποθήκες Δεδομένων και Εξόρυξη Δεδομένων:
Αποθήκες Δεδομένων και Εξόρυξη Δεδομένων: Oμαδοποίηση: Μέρος B http://delab.csd.auth.gr/~gounaris/courses/dwdm/ gounaris/courses/dwdm/ Ευχαριστίες Οι διαφάνειες του μαθήματος σε γενικές γραμμές ακολουθούν
Διαβάστε περισσότεραΕξερευνώντας την Εξέλιξη Κεφάλαιο 7
Εξερευνώντας την Εξέλιξη Κεφάλαιο 7 Εξερευνώντας την Εξέλιξη Σχέση μεταξύ αλληλουχίας αμινοξέων, δομής και λειτουργίας πρωτεϊνών Καταγωγή από έναν κοινό πρόγονο Εξελικτική Συγγένεια/Προέλευση Δύο ομάδες
Διαβάστε περισσότεραΔειγματοληψία. Πρέπει να γνωρίζουμε πως πήραμε το δείγμα Το πλήθος n ij των παρατηρήσεων σε κάθε κελί είναι τ.μ. με μ ij συμβολίζουμε την μέση τιμή:
Δειγματοληψία Πρέπει να γνωρίζουμε πως πήραμε το δείγμα Το πλήθος των παρατηρήσεων σε κάθε κελί είναι τ.μ. με μ συμβολίζουμε την μέση τιμή: Επομένως στην δειγματοληψία πινάκων συνάφειας αναφερόμαστε στον
Διαβάστε περισσότεραΣΤΟΙΧΙΣΗ ΑΚΟΛΟΥΘΙΩΝ ΑΝΑ ΖΕΥΓΗ
ΣΤΟΙΧΙΣΗ ΑΚΟΛΟΥΘΙΩΝ ΑΝΑ ΖΕΥΓΗ Σελίδα 1 Ομολογία Σελίδα 2 Ομολογία Ομολογία κοινή εξελικτική καταγωγή Ορθόλογα γονίδια ειδογένεση συνήθως, ίδια βιολογική λειτουργία Παράλογα γονίδια γονιδιακός διπλασιασμός
Διαβάστε περισσότεραΘέμα 1: Robbie και Αναζήτηση
Θέμα : Robbie και Αναζήτηση Ο Robbie, το ρομπότ του παρακάτω σχήματος-χάρτη, κατά τη διάρκεια των εργασιών που κάνει διαπιστώνει ότι πρέπει να γυρίσει όσο το δυνατόν πιο γρήγορα, από την τρέχουσα θέση,
Διαβάστε περισσότεραΕπίλυση προβληµάτων. Περιγραφή προβληµάτων Αλγόριθµοι αναζήτησης Αλγόριθµοι τυφλής αναζήτησης Αλγόριθµοι ευρετικής αναζήτησης
Επίλυση προβληµάτων Περιγραφή προβληµάτων Αλγόριθµοι αναζήτησης Αλγόριθµοι τυφλής αναζήτησης Αλγόριθµοι ευρετικής αναζήτησης! Παιχνίδια δύο αντιπάλων Προβλήµατα ικανοποίησης περιορισµών Γενικά " Ντετερµινιστικά
Διαβάστε περισσότερα11. ΣΤΑΤΙΣΤΙΚΕΣ ΑΠΟΤΕΛΕΣΜΑΤΩΝ
11. ΣΤΑΤΙΣΤΙΚΕΣ ΑΠΟΤΕΛΕΣΜΑΤΩΝ 1 ΑΚΡΙΒΕΙΑ ΤΑΞΙΝΟΜΗΣΗΣ/ΑΝΑΓΝΩΡΙΣΗΣ Ακρίβεια αναγνώρισης: (Αριθμός δεδομένων που ταξινομήθηκαν στη σωστή ομάδα) / (Συνολικός αριθμός δεδομένων που ανήκουν στην ομάδα) x 100%
Διαβάστε περισσότεραΑΝΑΓΝΩΡΙΣΗ ΠΡΟΤΥΠΩΝ. Κατηγοριοποίηση. Αριστείδης Γ. Βραχάτης, Dipl-Ing, M.Sc, PhD
Τμήμα Πληροφορικής με Εφαρμογές στη Βιοϊατρική Σχολή Θετικών Επιστημών Πανεπιστήμιο Θεσσαλίας ΑΝΑΓΝΩΡΙΣΗ ΠΡΟΤΥΠΩΝ Κατηγοριοποίηση Αριστείδης Γ. Βραχάτης, Dipl-Ing, M.Sc, PhD Κατηγοριοποιητής K πλησιέστερων
Διαβάστε περισσότεραΠρόλογος... xv. Κεφάλαιο 1. Εισαγωγικές Έννοιες... 1
Πρόλογος... xv Κεφάλαιο 1. Εισαγωγικές Έννοιες... 1 1.1.Ιστορική Αναδρομή... 1 1.2.Βασικές Έννοιες... 5 1.3.Πλαίσιο ειγματοληψίας (Sampling Frame)... 9 1.4.Κατηγορίες Ιατρικών Μελετών.... 11 1.4.1.Πειραµατικές
Διαβάστε περισσότεραΘεωρία Γραφημάτων Θεμελιώσεις-Αλγόριθμοι-Εφαρμογές
Θεωρία Γραφημάτων Θεμελιώσεις-Αλγόριθμοι-Εφαρμογές Ενότητα ΔΕΝΔΡΑ Σταύρος Δ. Νικολόπουλος 2017-18 www.cs.uoi.gr/~stavros Εισαγωγή Ένα γράφημα G είναι δένδρο αν: 1. Είναι συνδεδεμένο και δεν έχει κύκλους.
Διαβάστε περισσότεραΑλγόριθμοι Εύρεσης Ομοιοτήτων Ακολουθιών Μέρος ΙΙΙ: Έλεγχος στατιστικής σημαντικότητας
Αλγόριθμοι Εύρεσης Ομοιοτήτων Ακολουθιών Μέρος ΙΙΙ: Έλεγχος στατιστικής σημαντικότητας Βασίλης Προμπονάς, PhD Ερευνητικό Εργαστήριο Βιοπληροφορικής Τμήμα Βιολογικών Επιστημών Νέα Παν/πολη, Γραφείο B161
Διαβάστε περισσότεραΒασικές έννοιες. Χρησιμότητα Πιθανότητα Προσδοκώμενο κέρδος Δένδρα αποφάσεων Ανάλυση ευαισθησίας Πιθανότητα υπό όρους Μεταβλητές κατάστασης
Ανάλυση αποφάσεων Βασικές έννοιες Χρησιμότητα Πιθανότητα Προσδοκώμενο κέρδος Δένδρα αποφάσεων Ανάλυση ευαισθησίας Πιθανότητα υπό όρους Μεταβλητές κατάστασης Χρησιμότητα - Utility Επιτρέπει την σύγκριση
Διαβάστε περισσότεραΚΕΦΑΛΑΙΟ 18. 18 Μηχανική Μάθηση
ΚΕΦΑΛΑΙΟ 18 18 Μηχανική Μάθηση Ένα φυσικό ή τεχνητό σύστηµα επεξεργασίας πληροφορίας συµπεριλαµβανοµένων εκείνων µε δυνατότητες αντίληψης, µάθησης, συλλογισµού, λήψης απόφασης, επικοινωνίας και δράσης
Διαβάστε περισσότερα(Μέρος 1 ο ) Εισηγητής: Ν. Πουλακάκης
Ταξινομικοί χαρακτήρες και Φυλογενετική ανασύσταση. Σχολές ταξινόμησης. Θεωρίες για την Ταξινομική. Φυλογενετική ανάλυση: Μοριακή συστηματική. Οι κύριες διαιρέσεις της Ζωής. (Μέρος 1 ο ) Εισηγητής: Ν.
Διαβάστε περισσότεραΑνάλυση διακύμανσης (Μέρος 1 ο ) 17/3/2017
Ανάλυση διακύμανσης (Μέρος 1 ο ) 17/3/2017 2 Γιατί ανάλυση διακύμανσης; (1) Ας θεωρήσουμε k πληθυσμούς με μέσες τιμές μ 1, μ 2,, μ k, αντίστοιχα Πως μπορούμε να συγκρίνουμε τις μέσες τιμές k πληθυσμών
Διαβάστε περισσότεραΠολλαπλές στοιχίσεις ακολουθιών (Προοδευτικές μέθοδοι)
Πολλαπλές στοιχίσεις ακολουθιών (Προοδευτικές μέθοδοι) Vasilis Promponas Bioinformatics Research Laboratory Department of Biological Sciences University of Cyprus Σύνοψη Εισαγωγή Πολλαπλή στοίχιση και
Διαβάστε περισσότεραΠΑΝΕΠΙΣΤΗΜΙΟ ΠΑΤΡΩΝ ΙΑΤΜΗΜΑΤΙΚΟ ΠΜΣ «ΜΑΘΗΜΑΤΙΚΑ ΤΩΝ ΥΠΟΛΟΓΙΣΤΩΝ & ΤΩΝ ΑΠΟΦΑΣΕΩΝ ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ 2006-2007 2η Σειρά Ασκήσεων ΑΠΑΝΤΗΣΕΙΣ
ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΑΤΡΩΝ ΙΑΤΜΗΜΑΤΙΚΟ ΠΜΣ «ΜΑΘΗΜΑΤΙΚΑ ΤΩΝ ΥΠΟΛΟΓΙΣΤΩΝ & ΤΩΝ ΑΠΟΦΑΣΕΩΝ ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ 2006-2007 2η Σειρά Ασκήσεων ΑΠΑΝΤΗΣΕΙΣ 1. ίνεται το γνωστό πρόβληµα των δύο δοχείων: «Υπάρχουν δύο δοχεία
Διαβάστε περισσότεραΈλεγχος για τις παραμέτρους θέσης δύο πληθυσμών με εξαρτημένα δείγματα
ΚΕΦΑΛΑΙΟ ΕΚΤΟ Έλεγχος για τις παραμέτρους θέσης δύο πληθυσμών με εξαρτημένα δείγματα Στο κεφάλαιο αυτό θα ασχοληθούμε με τον έλεγχο της υπόθεσης της ισότητα δύο μέσων τιμών με εξαρτημένα δείγματα. Εξαρτημένα
Διαβάστε περισσότεραΠανεπιστήμιο Δυτικής Μακεδονίας. Τμήμα Μηχανικών Πληροφορικής & Τηλεπικοινωνιών. Βιοπληροφορική. Ενότητα 11: Κατασκευή φυλογενετικών δέντρων part II
Τμήμα Μηχανικών Πληροφορικής & Τηλεπικοινωνιών Βιοπληροφορική Ενότητα 11: Κατασκευή φυλογενετικών δέντρων part II Αν. καθηγητής Αγγελίδης Παντελής e-mail: paggelidis@uowm.gr ΕΕΔΙΠ Μπέλλου Σοφία e-mail:
Διαβάστε περισσότεραΤο Πρόβλημα του Περιοδεύοντος Πωλητή - The Travelling Salesman Problem
Το Πρόβλημα του Περιοδεύοντος Πωλητή - The Travelling Salesman Problem Έλενα Ρόκου Μεταδιδακτορική Ερευνήτρια ΕΜΠ Κηρυττόπουλος Κωνσταντίνος Επ. Καθηγητής ΕΜΠ Άδεια Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται
Διαβάστε περισσότεραΑλγόριθµοι και Πολυπλοκότητα
Αλγόριθµοι και Πολυπλοκότητα Ν. Μ. Μισυρλής Τµήµα Πληροφορικής και Τηλεπικοινωνιών, Πανεπιστήµιο Αθηνών Καθηγητής: Ν. Μ. Μισυρλής () Αλγόριθµοι και Πολυπλοκότητα Φεβρουαρίου 0 / ένδρα Ενα δένδρο είναι
Διαβάστε περισσότεραΕΚΠΑΙΔΕΥΤΙΚΗ ΤΕΧΝΟΛΟΓΙΑ ΚΑΙ ΑΝΑΠΤΥΞΗ ΑΝΘΡΩΠΙΝΩΝ ΠΟΡΩΝ
Α εξάμηνο 2011-2012 ΠΡΟΓΡΑΜΜΑ ΜΕΤΑΠΤΥΧΙΑΚΩΝ ΣΠΟΥΔΩΝ ΕΚΠΑΙΔΕΥΤΙΚΗ ΤΕΧΝΟΛΟΓΙΑ ΚΑΙ ΑΝΑΠΤΥΞΗ ΑΝΘΡΩΠΙΝΩΝ ΠΟΡΩΝ Ποιοτικές και Ποσοτικές Μέθοδοι και Προσεγγίσεις για την Επιστημονική Έρευνα ΑΝΤΩΝΙΟΣ ΧΡ. ΜΠΟΥΡΑΣ
Διαβάστε περισσότεραTreeTOPS. ένα εισαγωγικό παιχνίδι για τα φυλογενετικά δέντρα. Teacher s Guide. ELLS European Learning Laboratory for the Life Sciences
TreeTOPS ένα εισαγωγικό παιχνίδι για τα φυλογενετικά δέντρα Teacher s Guide ELLS European Learning Laboratory for the Life Sciences 1 Γενικός σκοπός Το συγκεκριμένο παιχνίδι έχει ως στόχο να εισάγει τους
Διαβάστε περισσότεραΜέτρα θέσης και διασποράς
Μέτρα θέσης και διασποράς Η επικρατούσα τιμή ως μέτρο κεντρικής τάσης Εύκολο στον υπολογισμό Επικρατούσα τιμή Η πιο συχνή ή η πιο συχνά εμφανιζόμενη τιμή σε ένα σύνολο τιμών 11, 3, 8, 2, 1, 5, 3, 7 Επικρατούσα
Διαβάστε περισσότεραΥπερπροσαρμογή (Overfitting) (1)
Αλγόριθμος C4.5 Αποφυγή υπερπροσαρμογής (overfitting) Reduced error pruning Rule post-pruning Χειρισμός χαρακτηριστικών συνεχών τιμών Επιλογή κατάλληλης μετρικής για την επιλογή των χαρακτηριστικών διάσπασης
Διαβάστε περισσότεραΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ
ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ ΣΧΟΛΗ ΗΛΕΚΤΡΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ ΚΑΙ ΜΗΧΑΝΙΚΩΝ ΥΠΟΛΟΓΙΣΤΩΝ ΤΟΜΕΑΣ ΤΕΧΝΟΛΟΓΙΑΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΚΑΙ ΥΠΟΛΟΓΙΣΤΩΝ Τεχνικές κατασκευής δένδρων επιθεµάτων πολύ µεγάλου µεγέθους και χρήσης
Διαβάστε περισσότεραΓ. Πειραματισμός Βιομετρία
Γενικά Συσχέτιση και Συμμεταβολή Όταν σε ένα πείραμα παραλλάσουν ταυτόχρονα δύο μεταβλητές, τότε ενδιαφέρει να διερευνηθεί εάν και πως οι αλλαγές στη μία μεταβλητή σχετίζονται με τις αλλαγές στην άλλη.
Διαβάστε περισσότεραΑΡΧΕΣ ΒΙΟΛΟΓΙΚΗΣ ΜΗΧΑΝΙΚΗΣ
ΑΡΧΕΣ ΒΙΟΛΟΓΙΚΗΣ ΜΗΧΑΝΙΚΗΣ Εργαστήριο Βιοπληροφορικής 7 ο εξάμηνο Σχολή Μηχανολόγων Μηχανικών ΕΜΠ Διδάσκων: Λεωνίδας Αλεξόπουλος Fritz Kahn (1888 1968) 1 Περιεχόμενα Ομοιότητα πρωτεϊνών Σύγκριση αλληλουχιών
Διαβάστε περισσότεραΕΙΔΙΚΑ ΘΕΜΑΤΑ ΣΤΗΝ ΣΤΑΤΙΣΤΙΚΗ ΕΡΓΑΣΤΗΡΙΟ (SPSS)
ΕΙΔΙΚΑ ΘΕΜΑΤΑ ΣΤΗΝ ΣΤΑΤΙΣΤΙΚΗ ΕΡΓΑΣΤΗΡΙΟ (SPSS) Έλεγχος Υποθέσεων για τους Μέσους - Εξαρτημένα Δείγματα (Paired samples t-test) Το κριτήριο Paired samples t-test χρησιμοποιείται όταν θέλουμε να συγκρίνουμε
Διαβάστε περισσότεραΠρογραμματισμός Ι (ΗΥ120)
Προγραμματισμός Ι (ΗΥ120) Διάλεξη 17: Λύση Προβλημάτων με Αναδρομή Οι πύργοι του Hanoi Δίνεται ένα χώρος με τρεις θέσεις αποθήκευσης. Δίνεται μια στοίβα από Ν πλάκες σε φθίνον μέγεθος, σε μια από τις τρεις
Διαβάστε περισσότεραΌρια Αλγόριθμων Ταξινόμησης. Εισαγωγή στην Ανάλυση Αλγορίθμων Μάγια Σατρατζέμη
Όρια Αλγόριθμων Ταξινόμησης Εισαγωγή στην Ανάλυση Αλγορίθμων Μάγια Σατρατζέμη Όρια Αλγόριθμων Ταξινόμησης Μέχρι στιγμής εξετάσθηκαν μέθοδοι ταξινόμησης µε πολυπλοκότητα της τάξης Θ ) ή Θlog ). Τι εκφράζει
Διαβάστε περισσότεραΑΝΑΛΥΣΗ ΔΙΑΚΥΜΑΝΣΗΣ. Επικ. Καθ. Στέλιος Ζήμερας. Τμήμα Μαθηματικών Κατεύθυνση Στατιστικής και Αναλογιστικά Χρηματοοικονομικά Μαθηματικά
ΑΝΑΛΥΣΗ ΔΙΑΚΥΜΑΝΣΗΣ Επικ. Καθ. Στέλιος Ζήμερας Τμήμα Μαθηματικών Κατεύθυνση Στατιστικής και Αναλογιστικά Χρηματοοικονομικά Μαθηματικά 05 Πολλαπλές συγκρίσεις Στην ανάλυση διακύμανσης ελέγχουμε την ισότητα
Διαβάστε περισσότεραΔομές Δεδομένων & Αλγόριθμοι
Θέματα Απόδοσης Αλγορίθμων 1 Η Ανάγκη για Δομές Δεδομένων Οι δομές δεδομένων οργανώνουν τα δεδομένα πιο αποδοτικά προγράμματα Πιο ισχυροί υπολογιστές πιο σύνθετες εφαρμογές Οι πιο σύνθετες εφαρμογές απαιτούν
Διαβάστε περισσότεραΜέθοδοι μελέτης εξέλιξης
H διερεύνηση της μοριακής βάσης της εξέλιξης βασίζεται σε μεγάλο βαθμό στη διευκρίνιση της διαδικασίας με την οποία μετασχηματίσθηκαν στη διάρκεια της εξέλιξης πρωτεϊνες, άλλα μόρια και βιοχημικές πορείες
Διαβάστε περισσότεραΕπίλυση Προβλημάτων 1
Επίλυση Προβλημάτων 1 Επίλυση Προβλημάτων Περιγραφή Προβλημάτων Αλγόριθμοι αναζήτησης Αλγόριθμοι τυφλής αναζήτησης Αναζήτηση πρώτα σε βάθος Αναζήτηση πρώτα σε πλάτος (ΒFS) Αλγόριθμοι ευρετικής αναζήτησης
Διαβάστε περισσότεραΕπαγωγική Στατιστική. Εισαγωγή Βασικές έννοιες
Επαγωγική Στατιστική Εισαγωγή Βασικές έννοιες Επαγωγική Στατιστική Πως μπορούμε να συγκρίνουμε μεταβλητές μεταξύ τους? Διαφορά συγκρίνοντας το μέσο μιας μεταβλητής (λόγος ή διάστημα) στις ομάδες πχ. t-test
Διαβάστε περισσότεραΠρόβλημα. Σύνολο γνωστών αλληλουχιών
BLAST Πρόβλημα Άγνωστη αλληλουχία Σύνολο γνωστών αλληλουχιών Η χρήση ενός υπολογιστή κι ενός αλγόριθμου είναι απαραίτητη για την ανακάλυψη της σχέσης μιας αλληλουχίας με τις γνωστές υπάρχουσες Τί είναι
Διαβάστε περισσότεραΑΝΑΠΤΥΞΗ ΕΦΑΡΜΟΓΩΝ ΣΕ Π ΡΟΓΡΑΜΜΑΤΙΣΤΙΚΟ Π ΕΡΙΒΑΛΛΟΝ
ΥΠΟΥΡΓΕΙΟ ΕΘΝΙΚΗΣ ΠΑΙΔΕΙΑΣ ΚΑΙ ΘΡΗΣΚΕΥΜΑΤΩΝ ΠΑΙΔΑΓΩΓΙΚΟ ΙΝΣΤΙΤΟΥΤΟ ΑΝΑΠΤΥΞΗ ΕΦΑΡΜΟΓΩΝ ΣΕ Π ΡΟΓΡΑΜΜΑΤΙΣΤΙΚΟ Π ΕΡΙΒΑΛΛΟΝ Κ Υ Κ Λ Ο Υ Π Λ Η Ρ Ο Φ Ο Ρ Ι Κ Η Σ Κ Α Ι Υ Π Η Ρ Ε Σ Ι Ω Ν Τ Ε Χ Ν Ο Λ Ο Γ Ι Κ Η
Διαβάστε περισσότερα