受物理启发的果蝇转录后调控高斯过程模型
机器学习
2021-11-04 v3 机器学习
应用统计
摘要
果蝇的调控过程被深入研究以理解大量生物学原理。虽然模式形成基因网络在转录步骤中被分析，但转录后事件（如翻译、蛋白质加工）在建立蛋白质表达模式与水平中起重要作用。由于果蝇的转录后调控依赖于 mRNA 与间隙蛋白之间的时空相互作用，需要适当的受物理启发的随机模型来研究两量之间的联系。先前的研究尝试表明，使用高斯过程（GPs）和微分方程在分析调控网络时带来有前景的预测。在此我们旨在进一步研究两类受物理启发、基于反应扩散方程的 GP 模型，其主要区别在于先验放置的位置。其中一类先前仅使用蛋白质数据被研究过，另一类是新颖的并给出仅需微分核函数的简单方法。与其他随机框架相反，此处不需要离散化空间。两类 GP 模型根据间隙基因 mRNA 表达数据的可用性在不同条件下测试。最后，它们的性能在描述黑腹果蝇早期胚胎胚盘期的高分辨率数据集上被评估。
引用
@article{arxiv.1808.10026,
title = {Physically-Inspired Gaussian Process Models for Post-Transcriptional Regulation in Drosophila},
author = {Andrés F. López-Lopera and Nicolas Durrande and Mauricio A. Alvarez},
journal= {arXiv preprint arXiv:1808.10026},
year = {2021}
}