Chapitre 17. Synthétiseur d'ADN : Créer des données synthétiques avec les chaînes de Markov
Une chaîne de Markov est un modèle de représentation d'une séquence de possibilités trouvées dans un ensemble de données donné. Il s'agit d'un algorithme d'apprentissage machine (ML) car il découvre ou apprend des modèles à partir de données d'entrée. Dans cet exercice, je montrerai comment utiliser des chaînes de Markov entraînées sur un ensemble de séquences d'ADN pour générer de nouvelles séquences d'ADN.
Dans cet exercice, tu vas :
-
Lis un certain nombre de fichiers de séquences d'entrée pour trouver tous les k-mères uniques pour un k donné.
-
Crée une chaîne de Markov en utilisant ces k-mers pour produire un certain nombre de nouvelles séquences de longueurs limitées par un minimum et un maximum.
-
Apprends à connaître les générateurs.
-
Utilise une graine aléatoire pour reproduire des sélections aléatoires.
Comprendre les chaînes de Markov
Dans "A Mathematical Theory of Communication" (1948) de Claude Shannon, l'auteur décrit un processus de Markoff qui est étonnamment similaire aux graphes et aux diagrammes d'états finis que j'ai utilisés pour illustrer les expressions régulières. Shannon décrit ce processus comme "un nombre fini d'états possibles d'un système" et "un ensemble de probabilités de transition" qu'un état conduise à un autre.
Pour ...
Become an O’Reilly member and get unlimited access to this title plus top books and audiobooks from O’Reilly and nearly 200 top publishers, thousands of courses curated by job role, 150+ live events each month,
and much more.
Read now
Unlock full access