Un modèle de Markov caché pour identifier les régions essentielles et de défauts de croissance dans les génomes bactériens à partir des données de séquençage d'insertion de transposons

Un HMM à 4 états fournit un moyen amélioré d'analyser les données de Tn-seq et d'évaluer différents niveaux d'essentialité, permettant non seulement la caractérisation des gènes essentiels et non essentiels, mais aussi des gènes dont la perturbation entraîne une altération (ou un renforcement) de la croissance.