スパースガウシアンネットワークによる遺伝子ネットワークの構造推定

使用稀疏高斯网络估计基因网络的结构

• 批准号: 15014222
• 负责人: 石井 信
• 金额: $ 2.11万
• 依托单位: Nara Institute of Science and Technology
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Scientific Research on Priority Areas
• 财政年份: 2003
• 资助国家: 日本
• 起止时间: 2003 至 无数据
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-15014222/
• 关键词: ベイズ推定; グラフィカルモデリング; ネットワーク推定; 仮説検定; 線形ダイナミカルシステム; ベイジアンネットワーク

遺伝子発現プロファイルデータにおける共分散構造を表現するための適切な確率モデル、およびそのための事前分布を検討した(Oba, Sato, Ishii,2003)。これを別途論文化した欠測補填法(Oba, et al.,2003)に適用することで、モデル化が適切であることを確認した。一方で、遺伝子発現データは一般に含まれるノイズの大きさに比べてデータ量が少ない。それを補うためには、多くの生命データに階層性が存在すること、および文献データに基づく事前知識の活用が有効である。ベイズ推定に基づく多項分布ベイジアンネットワークを定式化し、枯草菌のオペロン構造予測に適用した(Shimizu, Oba, Ishii,2003)。また、少ないデータ量からダイナミクス(遺伝子ネットワークの動的挙動)を同定(グラフィカルモデリング)するために、線形ダイナミカルシステムのベイズ推定法を開発し、酵母菌の公開データに適用した。その結果、細胞周期に依存した内部状態の変化を抽出することができ、また、システムを駆動する外的あるいは内部駆動因子の数は高々2から4次元程度であることが分かった(Yukinawa et al.,2004)。客観的な統計的基準に基づき内部次元数を決めることができ、また推定の精度自体も客観的尺度により評価できるのが本手法の特徴であり、今後は微生物の転写制御データに適用することで論文化を図る。また現在、発現プロファイルデータの共分散構造に対して適切な事前知識(スパースネス)を導入することで、高い推定精度を持つ解析法を開発した。癌の予後予測問題に適用して良い結果を得ており、現在論文投稿中である。この手法では、定量的尺度(確率的出力)により予後予測が可能であることも特徴である。

A study of the prior distribution of the co-dispersed structure of the genetic evolution of the species (Oba, Sato, Ishii,2003). The method of cultural undertest filling (Oba, et al., 2003) is applicable, and is confirmed. A party, the son of the discovery of the data is generally contained in the large number of data, less than the number of data. There are many kinds of hierarchical existence in life, and the use of prior knowledge in literature. The prediction of the basic multinomial distribution is applicable to the prediction of the structure of Bacillus subtilis (Shimizu, Oba, Ishii,2003). In addition, when the amount of data is equal to the movement of the genetic organism (the movement of the genetic organism), the linear infinitesimal infinitesimal estimation method is developed and the public data of yeast is applicable. The results of cell cycle dependence and internal state transformation are extracted. The number of internal factors is high.(Yukinawa et al., 2004)。The accuracy of the estimation of the internal dimension of the baseline of the guest statistics is determined by the evaluation of the characteristics of the method, and the application of the method to the control of microorganisms in the future. The co-distribution structure of the present and present information is developed by introducing the appropriate prior knowledge and high estimation accuracy. The application to the problem of cancer prognosis has yielded good results, and the paper is now being submitted. The method is reverse, quantitative scale (accurate output) is predicted, and the characteristics are determined.

项目成果

Oba, S.: "Prior hyperparameters in Bayesian PCA"Artificial Neural Networks and Neural Information Processing. LNCS2714. 271-279 (2003)

Oba, S.：“贝叶斯 PCA 中的先验超参数”人工神经网络和神经信息处理。

Yukinawa, N.: "System identification of cell-cycle-regulated genes based on a linear dynamical system model"Pacific Symposium on Biocomputing 2004. 146 (2004)

Yukinawa, N.：“基于线性动力系统模型的细胞周期调节基因的系统识别”太平洋生物计算研讨会 2004. 146 (2004)

Oba, S.: "A Bayesian missing value estimation method for gene expression profile data"Bioinformatics. 19. 2088-2096 (2003)

Oba, S.：“基因表达谱数据的贝叶斯缺失值估计方法”生物信息学。

Shimizu, H.: "Operon prediction by DNA microarray : an approach with a Bayesian network model"Genome Informatics 2003. 310-311 (2003)

Shimizu, H.：“DNA 微阵列预测操纵子：贝叶斯网络模型的方法”Genome Informatics 2003. 310-311 (2003)

加藤 菊也: "遺伝子発現プロファイルのデータ解析"蛋白質核酸酵素. 48.16. 2300-2309 (2003)

加藤菊哉：“基因表达谱的数据分析”蛋白质核酸酶48.16（2003）。