Validation of inference procedures for gene regulatory networks.
Validation of inference procedures for gene regulatory networks.
复制标题
验证基因调节网络的推理程序。
DOI：
10.2174/138920207783406505
复制
发表时间：
2007-09
期刊：
影响因子：
2.6
通讯作者：
Dougherty ER
中科院分区：
文献类型：
--
作者：
Dougherty ER
高通量基因组数据的可获得性推动了许多算法的发展，以推断基因调控网络。必须评估推理程序的有效性，以评估其推断模型网络的能力，该模型网络接近生成数据的地面事实网络。推理算法的输入是样本数据集，其输出是网络。由于输入、输出和算法都是数学结构，因此推理算法的有效性是一个数学问题。本文根据两个网络之间的半度量距离，或从网络推导出的两个同类结构之间的距离，如它们的稳态分布或调节图，来进行验证。文中建立了验证框架，给出了距离函数的实例，并将其应用于一些离散马尔可夫网络模型。它还考虑了基于未知生成网络的数据的近似验证方法，即使用真实数据时所面临的情况。
The availability of high-throughput genomic data has motivated the development of numerous algorithms to infer gene regulatory networks. The validity of an inference procedure must be evaluated relative to its ability to infer a model network close to the ground-truth network from which the data have been generated. The input to an inference algorithm is a sample set of data and its output is a network. Since input, output, and algorithm are mathematical structures, the validity of an inference algorithm is a mathematical issue. This paper formulates validation in terms of a semi-metric distance between two networks, or the distance between two structures of the same kind deduced from the networks, such as their steady-state distributions or regulatory graphs. The paper sets up the validation framework, provides examples of distance functions, and applies them to some discrete Markov network models. It also considers approximate validation methods based on data for which the generating network is not known, the kind of situation one faces when using real data.
登录
查看更多内容
影响因子：
5.8
作者：
Pal, R;Ivanov, I;Dougherty, ER
通讯作者：
Dougherty, ER
影响因子：
9.9
作者：
通讯作者：
--
影响因子：
3
作者：
Margolin AA;Nemenman I;Basso K;Wiggins C;Stolovitzky G;Dalla Favera R;Califano A
通讯作者：
Califano A
影响因子：
2
作者：
KAUFFMAN, SA
通讯作者：
KAUFFMAN, SA
DOI：
10.1155/2007/32454
发表时间：
2007
期刊：
EURASIP journal on bioinformatics & systems biology
影响因子：
--
作者：
Marshall S;Yu L;Xiao Y;Dougherty ER
通讯作者：
Dougherty ER