Inference of biological pathway from gene expression profiles by time delay boolean networks.
Inference of biological pathway from gene expression profiles by time delay boolean networks.
复制标题
DOI：
10.1371/journal.pone.0042095
复制
发表时间：
2012
期刊：
影响因子：
3.7
通讯作者：
Lu HH
中科院分区：
文献类型：
--
作者：
Chueh TH;Lu HH
基因组学研究的一个巨大挑战是如何高效、准确地识别复杂的基因调控网络。高通量技术的发展提供了大量的实验数据，如DNA序列、蛋白质序列和RNA表达谱，使得研究生物体中基因或其他物质之间的相互作用和调控成为可能。然而，从系统生物学的基因表达谱和蛋白质相互作用数据推断基因调控网络是至关重要的。本研究将开发一种新的方法来重建时间延迟布尔网络作为探索生物途径的工具。在推理策略中，我们将根据每个输出基因对应的得分来比较这些基本关系中的所有输入基因对。然后，我们将联合收割机这些一致的关系，以揭示最可能的关系和重建的遗传网络。具体地说，我们将证明，状态转移对是足够的和必要的，以重建具有高精度的节点的时间延迟布尔网络，如果每个基因的输入基因的数量是有界的。我们还实现了模拟和经验酵母基因表达数据集的方法。测试结果表明，该方法具有较好的可扩展性。
One great challenge of genomic research is to efficiently and accurately identify complex gene regulatory networks. The development of high-throughput technologies provides numerous experimental data such as DNA sequences, protein sequence, and RNA expression profiles makes it possible to study interactions and regulations among genes or other substance in an organism. However, it is crucial to make inference of genetic regulatory networks from gene expression profiles and protein interaction data for systems biology. This study will develop a new approach to reconstruct time delay Boolean networks as a tool for exploring biological pathways. In the inference strategy, we will compare all pairs of input genes in those basic relationships by their corresponding -scores for every output gene. Then, we will combine those consistent relationships to reveal the most probable relationship and reconstruct the genetic network. Specifically, we will prove that state transition pairs are sufficient and necessary to reconstruct the time delay Boolean network of nodes with high accuracy if the number of input genes to each gene is bounded. We also have implemented this method on simulated and empirical yeast gene expression data sets. The test results show that this proposed method is extensible for realistic networks.
登录
查看更多内容
影响因子：
7
作者：
Lee, HK;Hsu, AK;Pavlidis, P
通讯作者：
Pavlidis, P
影响因子：
1.7
作者：
Li, LM;Lu, HHS
通讯作者：
Lu, HHS
影响因子：
10.7
作者：
Jordan, IK;Mariño-Ramírez, L;Koonin, EV
通讯作者：
Koonin, EV
影响因子：
1.1
作者：
Akutsu, T;Kuhara, S;Miyano, S
通讯作者：
Miyano, S
影响因子：
3
作者：
Kim H;Lee JK;Park T
通讯作者：
Park T