View source for 20170602 class lecture note

<p>20170602 Bioinformatics class lecture note</p>

<hr />
<p>Markov Chain and Hidden Markov Model.</p>

<p>&gt; Determined by frequency of previous exons. // relationship</p>

<p>&gt; Really powerful Algorithm.</p>

<p>&gt; stocastic? : Changable...</p>

<p>&gt;&nbsp;각각의 UTR을 이루는 염기에 각각의 확률이 있다. 이것을 수학적으로 계산하면 UTR을 계산할 수 있다.</p>

<p>&gt; 각각 확률을 점수로 매겨서, 점수가 높으면(score) &nbsp;UTR로 생각할 수 있다. // 반대의 경우도 가능하다.</p>

<p>&gt; 매우 적합한 모델을 만들면, 점수를 check 함으로써 UTR의 위치를 확인할 수 있다.</p>

<p>&gt; Homework : get some human sequences and make a predict model.</p>

<p>&nbsp;</p>

<p>Expression &gt; Functional Genomics, Proteomics</p>

<p>&gt; DNA chips, microarray, RNA-squ</p>

<p>&nbsp;</p>

<p>What is RNA?</p>

<p>&gt; pretty important molecule before proteins.</p>

<p>&gt; Tranciption : Reflection, copy ( one to one )</p>

<p>&gt; Translation : change ( not one to one ) , There are big jumps..&nbsp;</p>

<p>&gt; Major differences : Uracil, OH group &lt; unstable.. &nbsp;RNA는 oxygen을 포함하고 있다.</p>

<p>&gt; 산소는 Degrade를 촉진시킨다.</p>

<p>&gt; tens of millions of RNA is existing in a cell.</p>

<p>&gt; RNA의 반감기는 정말 다양하다. &gt; 예측할 수가 없다.</p>

<p>&gt; 반감기 1일 x 100개 보다 반감기 100일 x 5개 가 더 많다.</p>

<p>&nbsp;</p>

<p>RFAM</p>

<p>&gt; Pfam : Protein familiy..</p>

<p>&gt; Hidden Markov Model, 을 이용하여 RNA 의 Database를 만들어놓았다.</p>

<p>&nbsp;</p>

<p>하나의 인간 유전자에는 7 ~ 8개의 exon이 있다.</p>

<p>&nbsp;</p>

<p>Non-coding region 에 Intron이 포함된다.<br />
Normally, an exon doesn&#39;t have a functional protein.</p>

<p>&nbsp;</p>

<p>further restriction of RNA and splicing.</p>

<p>&nbsp;</p>

<p>microarry는 실험하기 전에 미리 우리가 알고자 하는 DAN의 부분을 알아서 chip으로 만들어야 한다. (한계점)</p>

<p>Hidden Markov Model에 등장하는 바뀌는 부분은 어떻게 해결하는가?</p>

<p>&gt; buffer, design, etc...</p>

<p>&nbsp;</p>