Inference of gene regulatory networks using time-series data: a survey.
Inference of gene regulatory networks using time-series data: a survey.
复制标题
DOI：
10.2174/138920209789177610
复制
发表时间：
2009-09
期刊：
影响因子：
2.6
通讯作者：
Jung S
中科院分区：
文献类型：
--
作者：
Sima C;Hua J;Jung S
像微阵列这样的高通量技术的出现为研究不同细胞成分如何协同工作提供了平台，从而引起了人们对数学建模生物网络，特别是基因调控网络(GRN)的极大兴趣。特别令人感兴趣的是对时间序列数据的建模和推断，它比非时态数据更能全面地反映系统的情况。我们对用于时间序列数据的方法进行了广泛的回顾。在认识到验证是推理范式不可分割的一部分时，我们还讨论了不同方法在性能评估中的原则和挑战。这项调查提供了关于这些主题的全景图，预计读者将受到启发，改进和/或扩展GRN推理和验证工具库。
The advent of high-throughput technology like microarrays has provided the platform for studying how different cellular components work together, thus created an enormous interest in mathematically modeling biological network, particularly gene regulatory network (GRN). Of particular interest is the modeling and inference on time-series data, which capture a more thorough picture of the system than non-temporal data do. We have given an extensive review of methodologies that have been used on time-series data. In realizing that validation is an impartible part of the inference paradigm, we have also presented a discussion on the principles and challenges in performance evaluation of different methods. This survey gives a panoramic view on these topics, with anticipation that the readers will be inspired to improve and/or expand GRN inference and validation tool repository.
登录
查看更多内容
DOI：
10.1073/pnas.97.18.10101
发表时间：
2000-08-29
影响因子：
11.1
作者：
Alter, O;Brown, PO;Botstein, D
通讯作者：
Botstein, D
影响因子：
16
作者：
Cho, RJ;Campbell, MJ;Davis, RW
通讯作者：
Davis, RW
影响因子：
2.9
作者：
Cavelier, G;Anastassiou, D
通讯作者：
Anastassiou, D
DOI：
10.1142/s0219720004000892
发表时间：
2004-12-01
影响因子：
1
作者：
Bourque, Guillaume;Sankoff, David
通讯作者：
Sankoff, David
影响因子：
5.8
作者：
Bickel, DR
通讯作者：
Bickel, DR