Alignment and classification of time series gene expression in clinical studies.
Alignment and classification of time series gene expression in clinical studies.
复制标题
DOI：
10.1093/bioinformatics/btn152
复制
发表时间：
2008-07-01
期刊：
影响因子：
--
通讯作者：
Bar-Joseph Z
中科院分区：
文献类型：
--
作者：
Lin TH;Kaminski N;Bar-Joseph Z
动机：使用静态基因表达数据对组织进行分类受到了相当大的关注。最近，越来越多的表达数据集被测量为时间序列。专门针对这种时间数据设计的方法既可以利用其独特的特征（曲线的时间演变），又可以解决其独特的挑战（同一类别中患者的不同应答率）。结果：我们提出了一种方法，利用隐马尔可夫模型（HALGORY）的分类任务。我们使用的障碍状态比时间点少，从而使不同患者的反应率保持一致。为了关注这两类之间的差异，我们开发了一个判别式HMM分类器。与传统的生成式HMM不同，判别式HMM在学习特定类别的模型时可以使用两个类别的示例。我们已经测试了我们的方法模拟和真实的时间序列表达数据。正如我们所展示的，我们的方法改进了先前的方法，并且可以为使用传统分类器时未发现的特定疾病和反应阶段提供标记。可用性：Matlab实现可从http://www.cs.cmu.edu/~thlin/tram/获取联系方式：zivbj@cs.cmu.edu
Motivation: Classification of tissues using static gene-expression data has received considerable attention. Recently, a growing number of expression datasets are measured as a time series. Methods that are specifically designed for this temporal data can both utilize its unique features (temporal evolution of profiles) and address its unique challenges (different response rates of patients in the same class). Results: We present a method that utilizes hidden Markov models (HMMs) for the classification task. We use HMMs with less states than time points leading to an alignment of the different patient response rates. To focus on the differences between the two classes we develop a discriminative HMM classifier. Unlike the traditional generative HMM, discriminative HMM can use examples from both classes when learning the model for a specific class. We have tested our method on both simulated and real time series expression data. As we show, our method improves upon prior methods and can suggest markers for specific disease and response stages that are not found when using traditional classifiers. Availability: Matlab implementation is available from http://www.cs.cmu.edu/~thlin/tram/ Contact: zivbj@cs.cmu.edu
登录
查看更多内容
影响因子：
56.9
作者：
Golub, TR;Slonim, DK;Lander, ES
通讯作者：
Lander, ES
影响因子：
4.3
作者：
Woodland, PC;Povey, D
通讯作者：
Povey, D
影响因子：
2.6
作者：
Grossman, Iris;Avidan, Nili;Miller, Ariel
通讯作者：
Miller, Ariel
DOI：
10.1109/tcbb.2005.31
发表时间：
2005-07-01
影响因子：
4.5
作者：
Schliep, A;Costa, IG;Schönhuth, A
通讯作者：
Schönhuth, A
影响因子：
9.8
作者：
Baranzini SE;Mousavi P;Rio J;Caillier SJ;Stillman A;Villoslada P;Wyatt MM;Comabella M;Greller LD;Somogyi R;Montalban X;Oksenberg JR
通讯作者：
Oksenberg JR