Sequentieherkenning

Sequentieherkenning is het proces waarbij patronen of opeenvolgingen in data worden opgespoord en geïnterpreteerd. Het doel is om items die zich in tijd, ruimte of volgorde voordoen te identificeren, te classificeren of te voorspellen. Het begrip wordt in diverse vakgebieden gebruikt, waaronder biologie, informatica en linguïstiek. In de biologie gaat het vaak om DNA-, RNA- of eiwitsequenties, terwijl in de informatica sequenties kunnen bestaan uit gebeurtenissen, tekens of woorden.

In de bioinformatica omvat sequentieherkenning taken zoals sequentie-alignering, motiefontdekking en homologieanalyse. Voorbeelden van modellen en technieken zijn positionele scoring matrices, hidden Markov-modellen, en algoritmen als BLAST en FASTA. Doel is vaak het identificeren van functionele motifs, conservatiepatronen of genen. Evaluatie gebeurt via sensitiviteit, specificiteit en ROC-curven.

In de computerwetenschappen en datawetenschap wordt sequentieherkenning toegepast op tijdreeksen, spraak, gedragspatronen en logs. Methoden variëren van regelgebaseerde patroonherkenning en verborgen Markov-modellen tot neurale netwerken zoals recurrente netwerken en LSTM’s. Belangrijke uitdagingen zijn variabele lengtes van sequenties, ruis, klassenongelijkheid en schaalbaarheid bij grote datasets.

Sequentieherkenning levert inzichten op door patronen te koppelen aan functies, processen of gebeurtenissen, en onderbouwt wetenschappelijk onderzoek en praktische toepassingen zoals diagnose, detectie van anomalieën en automatische annotatie.