CdtGRN：基于深度学习方法构建定性时滞基因调控网络
分子网络
2021-11-02 v1 基因组学
摘要
背景：基因调控常随时间变化而非恒定。但从数据库中提取的许多基因调控网络是静态的。肿瘤抑制基因参与多种肿瘤的发病机制，其抑制效应在一定时期后才发生。因此，阐明各时间点的调控机制具有重要意义。结果：开发了一种表示动态基因调控网络的定性方法，称为CdtGRN。它采用卷积神经网络(CNN)与全连接网络(DNN)相结合作为预测的核心机制。从ArrayExpress获取电离辐射Affymetrix数据集(E-MEXP-549)，通过微阵列基因表达水平预测调控关系。CdtGRN针对一个含个与相关基因的时滞基因调控网络进行测试。CdtGRN在保守验证集分类上的准确率达92.07，kappa系数达，平均AUC准确率为94.25。由此完成了网络的构建。结论：本研究开发的算法与程序有助于识别动态基因调控网络，并通过分析不同时间点的基因表达水平客观分析调控关系的延迟。同时推断并定性表示了的时滞基因调控网络，有助于理解肿瘤病理机制。
引用
@article{arxiv.2111.00287,
title = {CdtGRN: Construction of qualitative time-delayed gene regulatory networks with a deep learning method},
author = {Ruijie Xu and Lin Zhang and Yu Chen},
journal= {arXiv preprint arXiv:2111.00287},
year = {2021}
}