Parameterized algorithms for identifying gene co-expression modules via weighted clique decomposition.
Parameterized algorithms for identifying gene co-expression modules via weighted clique decomposition.
复制标题
通过加权团分解识别基因共表达模块的参数化算法。
DOI：
10.1137/1.9781611976830.11
复制
发表时间：
2021
期刊：
影响因子：
--
通讯作者：
Sullivan BD
中科院分区：
文献类型：
--
作者：
Cooley M;Greene CS;Issac D;Pividori M;Sullivan BD
我们提出了一种新的组合模型，用于识别基因共表达数据中的调控模块，方法是将其分解为加权集团。为了捕捉复杂的相互作用效应，我们推广了前面研究的加权边团划分问题。作为第一步，我们将自己限制到无噪声设置，并证明了当通过模块(团)的数量进行参数化时，问题是固定的参数可处理的。我们提出了两种新的算法来寻找这些分解，使用线性规划和整数划分来确定团的权重。此外，我们用Python语言实现了这些算法，并在一个受到生物启发的合成语料库上测试了它们，该语料库使用了来自转录因子的真实数据和对不同细胞类型中共表达的潜在变量分析。
We present a new combinatorial model for identifying regulatory modules in gene co-expression data using a decomposition into weighted cliques. To capture complex interaction effects, we generalize the previously-studied weighted edge clique partition problem. As a first step, we restrict ourselves to the noise-free setting, and show that the problem is fixed parameter tractable when parameterized by the number of modules (cliques). We present two new algorithms for finding these decompositions, using linear programming and integer partitioning to determine the clique weights. Further, we implement these algorithms in Python and test them on a biologically-inspired synthetic corpus generated using real-world data from transcription factors and a latent variable analysis of co-expression in varying cell types.
登录
查看更多内容
DOI：
10.1038/nrg2579
发表时间：
2009-06
期刊：
Nature reviews. Genetics
影响因子：
--
作者：
Cordell HJ
通讯作者：
Cordell HJ
影响因子：
1.6
作者：
Cygan, Marek;Pilipczuk, Marcin;Pilipczuk, Michal
通讯作者：
Pilipczuk, Michal
影响因子：
14.9
作者：
Essaghir A;Toffalini F;Knoops L;Kallin A;van Helden J;Demoulin JB
通讯作者：
Demoulin JB
影响因子：
4.3
作者：
de Leeuw CA;Mooij JM;Heskes T;Posthuma D
通讯作者：
Posthuma D
影响因子：
3
作者：
Dozmorov MG;Cresswell KG;Bacanu SA;Craver C;Reimers M;Kendler KS
通讯作者：
Kendler KS