使用ASP的自动网络重建
机器学习
2011-07-29 v1
摘要
通过从实验数据中推断功能依赖性来构建生物学模型是分子生物学中的一个重要问题。为了将生物学家从这种传统的手工过程中解放出来，已经提出了各种方法来提高自动化程度。然而，现有的方法通常只能产生单一模型，依赖于特定的假设，和/或使用专用的启发式算法，鉴于生物技术的快速进展，这些算法对环境或需求的变化缺乏容忍度。我们的目标是通过引入回答集编程（ASP）来提供该问题的声明式解决方案，从而克服这些困难。我们基于部分作者先前提出的一种自动网络重建方法。该方法具有坚实的数学基础，并且由于其组合特性非常适合ASP，能够提供对所有解释一组实验的模型的刻画。与现有的启发式算法相比，使用ASP具有多项优势。首先，它是声明式的，因此对生物学专家而言是透明的。其次，它具有可扩充容忍度，从而允许轻松探索和纳入生物学约束。第三，它允许探索可能模型的整个空间。最后，我们的方法提供了卓越的性能，可媲美现有的专用系统。
引用
@article{arxiv.1107.5671,
title = {Automatic Network Reconstruction using ASP},
author = {Max Ostrowski and Torsten Schaub and Markus Durzinsky and Wolfgang Marwan and Annegret Wagler},
journal= {arXiv preprint arXiv:1107.5671},
year = {2011}
}