Bayes'sche Inferenz zu Biopolymer-Modellen.

MOTIVATION: Die meisten bestehenden bioinformatischen Methoden sind darauf beschränkt, Punkteschätzungen für eine Variable vorzunehmen, z.B. die optimale Ausrichtung, mit festen Eingabewerten für alle anderen Variablen, z.B. Strafenkriterien und Bewertungsmatrizen. Während die Notwendigkeit, Parameter festzulegen, eines der ärgerlichsten Probleme in der Bioinformatik bleibt, spiegelt sie ein größeres Problem wider: die Notwendigkeit, den Blick auf statistische Inferenz in der Bioinformatik zu erweitern. ERGEBNISSE: Die Zuordnung von Wahrscheinlichkeiten für alle möglichen Werte aller unbekannten Variablen in einem Problem in Form einer posterioren Verteilung ist das Ziel der Bayes'schen Inferenz. Hier zeigen wir, wie dieses Ziel für die meisten bioinformatischen Methoden erreicht werden kann, die dynamische Programmierung verwenden. Genauer gesagt wird eine tutoriell angelegte Beschreibung eines Bayes'schen Inferenzverfahrens zur Segmentierung einer Sequenz basierend auf der Heterogenität ihrer Zusammensetzung gegeben. Darüber hinaus werden vollständige Bayes'sche Inferenzalgorithmen zur Sequenzausrichtung beschrieben. VERFÜGBARKEIT: Software und ein Satz von Folien für ein Tutorial, das diese Ideen beschreibt, sind unter http://www.wadsworth.org/res&res/bioinfo/ verfügbar.