Inferring Causation in Yeast Gene Association Networks With Kernel Logistic Regression.
Inferring Causation in Yeast Gene Association Networks With Kernel Logistic Regression.
复制标题
使用核 Logistic 回归推断酵母基因关联网络中的因果关系。
DOI：
10.1177/1176934320920310
复制
发表时间：
2020
期刊：
影响因子：
--
通讯作者：
Homouz D
中科院分区：
文献类型：
--
作者：
Al-Aamri A;Taha K;Maalouf M;Kudlicki A;Homouz D
基因-基因关联性的计算预测是生物信息学研究的重要方向之一。开发了许多工具来使用不同的生物数据源来推断基因之间的关系。从生物数据分析中推导出的一对基因之间的关联，当它反映了基因之间的方向性和反应类型时，就变得有意义了。在这项工作中，我们遵循另一种方法来构建因果基因共表达网络，同时使用微阵列表达数据来识别每对基因中的转录因子。我们采用了一种基于Logistic回归模型的机器学习技术来解决网络的稀疏性，提高了预测的精度。该系统使用酿酒酵母全基因组中这些基因之间的相关性数据，将每对基因分为连接类和非连接类。使用酵母调控网络的几个数据集对分类模型预测相关基因的准确性进行了评估。我们的系统在几个统计指标方面都取得了很高的性能。
Computational prediction of gene-gene associations is one of the productive directions in the study of bioinformatics. Many tools are developed to infer the relation between genes using different biological data sources. The association of a pair of genes deduced from the analysis of biological data becomes meaningful when it reflects the directionality and the type of reaction between genes. In this work, we follow another method to construct a causal gene co-expression network while identifying transcription factors in each pair of genes using microarray expression data. We adopt a machine learning technique based on a logistic regression model to tackle the sparsity of the network and to improve the quality of the prediction accuracy. The proposed system classifies each pair of genes into either connected or nonconnected class using the data of the correlation between these genes in the whole Saccharomyces cerevisiae genome. The accuracy of the classification model in predicting related genes was evaluated using several data sets for the yeast regulatory network. Our system achieves high performance in terms of several statistical measures.
登录
查看更多内容
影响因子：
7
作者：
Saha, Ashis;Kim, Yungil;Battle, Alexis
通讯作者：
Battle, Alexis
影响因子：
14.9
作者：
Harris, MA;Clark, J;White, R
通讯作者：
White, R
影响因子：
3.8
作者：
Dzhafarov, Ehtibar N.;Kujala, Janne V.
通讯作者：
Kujala, Janne V.
推断全基因组功能调节网络：NF-kappa B/RelA 转录因子的案例研究
影响因子：
1.7
作者：
Li, Xueling;Zhu, Min;Kudlicki, Andrzej S.
通讯作者：
Kudlicki, Andrzej S.
影响因子：
9.9
作者：
Sharan, Roded;Ulitsky, Igor;Shamir, Ron
通讯作者：
Shamir, Ron