GDL

Inferring Gene Regulatory Network from Bayesian Network Model Based on Re-Sampling

Journal from gdlhub / 2016-11-05 07:17:26
Oleh : Qian Zhang, Xuedong Zheng, Qiang Zhang, Changjun Zhou, Telkomnika
Dibuat : 2013-03-01, dengan 1 file

Keyword : BN model, block bootstrap re-sampling, structure learning, gene regulatory network
Url : http://journal.uad.ac.id/index.php/TELKOMNIKA/article/view/907

Saat ini, teknologi chip gen dengan cepat telah menghasilkan banyak informasi tentang kegiatan ekspresi gen. Pada ekspresi data time-series terdapat fenomena bahwa jumlah gen yang sebenarnya dalam ribuan tetapi jumlah data pada eksperimen biasanya hanya beberapa saja. Untuk kasus seperti ini, sulit untuk belajar struktur jaringan dari data tersebut dan tentu hasilnya tidak ideal. Jadi diperlukan cara untuk memperbesar kapasitas sampel. Dalam tulisan ini, metode block bootstrap re-sampling digunakan untuk memperbesar data dari ekspresi data yang kecil. Pada saat yang sama, diterapkan algoritma
"K2+T" untuk memperbanyak data ekspresi siklus gen. Berdasarkan hasil eksperimen dan dibandingkan dengan algoritma pembelajaran struktur semi-fixed EM, metode yang diusulkan berhasil dalam membangun jaringan gen yang menangkap hubungan yang dikenal maupun tak dikenal dan ini
merupakan sesuatu yang baru.

Deskripsi Alternatif :

Nowadays, gene chip technology has rapidly produced a wealth of information about gene expression activities. But the time-series expression data present a phenomenon that the number of genes is in thousands and the number of experimental data is only a few dozen. For such cases, it is difficult to learn network structure from such data. And the result is not ideal. So it needs to take measures to expand the capacity of the sample. In this paper, the Block bootstrap re-sampling method is utilized to enlarge the small expression data. At the same time, we apply “K2+T” algorithm to Yeast cell cycle gene expression data. Seeing from the experimental results and comparing with the semi-fixed structure EM learning algorithm, our proposed method is successful in constructing gene networks that capture much more known relationships as well as several unknown relationships which are likely to be novel.

Beri Komentar ?#(0) | Bookmark

Properti	Nilai Properti
ID Publisher	gdlhub
Organisasi	Telkomnika
Nama Kontak	Herti Yani, S.Kom
Alamat	Jln. Jenderal Sudirman
Kota	Jambi
Daerah	Jambi
Negara	Indonesia
Telepon	0741-35095
Fax	0741-35093
E-mail Administrator	elibrarystikom@gmail.com
E-mail CKO	elibrarystikom@gmail.com