Function Approximation Approach to the Inference of Neural Network Models of Genetic Networks
Function Approximation Approach to the Inference of Neural Network Models of Genetic Networks
复制标题
遗传网络神经网络模型推理的函数逼近方法
DOI：
--
复制
发表时间：
2007
期刊：
影响因子：
--
通讯作者：
M. Hatakeyama
中科院分区：
文献类型：
--
作者：
Shuhei Kimura;Katsuki Sonoda;S. Yamane;Koki Matsumura;M. Hatakeyama
基于一组微分方程的模型可以有效地捕捉各种动态。因此，这种类型的模型是描述遗传网络的理想模型。已经提出了几种基于这类模型的遗传网络推理算法。这些推理方法大多使用基于一组固定形式的微分方程的模型来描述遗传网络。在这项研究中，我们提出了一种新的遗传网络推断方法。为了描述遗传网络，该方法不使用固定形式的模型，而是使用神经网络模型。为了解释得到的神经网络模型，我们还提出了一种基于灵敏度分析的方法。通过一系列人工遗传网络推理问题验证了所提方法的有效性。
A model based on a set of differential equations can effectively capture various dynamics. This type of model is therefore ideal for describing genetic networks. Several genetic network inference algorithms based on models of this type have been proposed. Most of these inference methods use models based on a set of differential equations of the fixed form to describe genetic networks. In this study, we propose a new method for the inference of genetic networks. To describe genetic networks, the proposed method does not use models of the fixed form, but uses neural network models. In order to interpret obtained neural network models, we also propose a method based on sensitivity analysis. The effectiveness of the proposed methods is verified through a series of artificial genetic network inference problems.
影响因子：
56.9
作者：
DeRisi, JL;Iyer, VR;Brown, PO
通讯作者：
Brown, PO
盘基网柄菌中的三羧酸循环。
DOI：
--
发表时间：
1992
期刊：
The Journal of biological chemistry
影响因子：
--
作者：
Shiraishi,F;Savageau,MA
通讯作者：
Savageau,MA