知识融合的差异依赖网络模型用于检测生物网络中的显著重连
分子网络
2014-02-20 v2
摘要
生物网络建模既是系统生物学研究协调细胞中基因产物活动机制的主要目标，也是其有效工具。生物网络具有上下文特异性和动态性。为了系统地表征选择性激活的调控组件和机制，建模工具必须能够有效区分显著重连与随机背景波动。我们将推断差异依赖网络（该网络融合了条件数据和先验知识）表述为一个凸优化问题，并开发了一种高效的学习算法，以联合推断不同条件下的保守生物网络和显著重连。我们采用一种新颖的采样方案来估计由随机知识引起的预期错误率，并基于此开发了一种充分利用这种数据-知识集成方法优势的策略。我们使用合成数据集演示并验证了该方法的原理和性能。然后，我们将该方法应用于酵母细胞系和乳腺癌微阵列数据，获得了生物学上合理的结果。
引用
@article{arxiv.1310.7527,
title = {Knowledge-fused differential dependency network models for detecting significant rewiring in biological networks},
author = {Ye Tian and Bai Zhang and Eric P. Hoffman and Robert Clarke and Zhen Zhang and Ie-Ming Shih and Jianhua Xuan and David M. Herrington and Yue Wang},
journal= {arXiv preprint arXiv:1310.7527},
year = {2014}
}
备注
7 pages, 7 figures