Learning delayed influences of biological systems.
Learning delayed influences of biological systems.
复制标题
DOI：
10.3389/fbioe.2014.00081
复制
发表时间：
2014
影响因子：
5.7
通讯作者：
Sakama C
中科院分区：
文献类型：
--
作者：
Ribeiro T;Magnin M;Inoue K;Sakama C
布尔网络是一种广泛应用于表达基因相互作用和基因调控网络全局动态行为的模型。为了理解生物组分之间某些相互作用所涉及的记忆效应，有必要在模型中包括延迟影响。在本文中，我们提出了一种从基因表达数据序列中学习这些模型的逻辑方法。该方法逐个分析每个序列，迭代构建一个布尔网络，以捕获这些观察的动态。为了说明这种方法的优点，我们将其应用于从生物信息学文献中学习真实数据。利用酵母细胞周期的数据，给出了实验结果，并证明了该方法的可扩展性。我们的经验表明，使用这种方法，我们可以处理数以百万计的观察结果，并成功地捕获布尔网络的延迟影响。
Boolean networks are widely used model to represent gene interactions and global dynamical behavior of gene regulatory networks. To understand the memory effect involved in some interactions between biological components, it is necessary to include delayed influences in the model. In this paper, we present a logical method to learn such models from sequences of gene expression data. This method analyzes each sequence one by one to iteratively construct a Boolean network that captures the dynamics of these observations. To illustrate the merits of this approach, we apply it to learning real data from bioinformatic literature. Using data from the yeast cell cycle, we give experimental results and show the scalability of the method. We show empirically that using this method we can handle millions of observations and successfully capture delayed influences of Boolean networks.
登录
查看更多内容
影响因子：
2
作者：
Abou-Jaoude, Wassim;Ouattara, Djomangan A.;Kaufman, Marcelle
通讯作者：
Kaufman, Marcelle
影响因子：
3.7
作者：
Chueh TH;Lu HH
通讯作者：
Lu HH
影响因子：
2
作者：
Bernot, G;Comet, JP;Guespin, J
通讯作者：
Guespin, J
影响因子：
16
作者：
Cho, RJ;Campbell, MJ;Davis, RW
通讯作者：
Davis, RW
影响因子：
1.1
作者：
Akutsu, T;Kuhara, S;Miyano, S
通讯作者：
Miyano, S