利用模拟基因表达动力学的半监督网络推断
定量方法
2017-12-04 v3 分子网络
摘要
动机：从高通量数据集中推断基因调控网络的结构仍然是一个重要且未解决的问题。当前方法受到噪声、小样本量以及调控动力学表征不完整等问题的困扰，导致网络中存在缺失和异常连接。整合先验网络信息（例如来自通路数据库）有可能改善重建效果。结果：我们开发了一种半监督网络重建算法，能够将部分已知网络的信息与时间序列基因表达数据合成。我们针对时间序列数据调整了PLS-VIP，并使用参考网络模拟表达数据，从中生成VIP得分的零分布，进而用于估计输入表达数据的边概率。通过使用模拟动力学生成参考分布，该方法整合了先前已知的调控关系，并将网络与动力学联系起来，形成一种半监督方法，能够发现新的和异常的连接。我们将该方法应用于一项睡眠剥夺研究的数据（以KEGG通路作为先验网络），以及来自多个DREAM挑战的合成数据，发现该方法能够恢复许多真实边并识别这些网络中的错误，表明其能够推导出准确反映基因表达动力学的后验网络。
引用
@article{arxiv.1706.00877,
title = {Semi-supervised network inference using simulated gene expression dynamics},
author = {Phan Nguyen and Rosemary Braun},
journal= {arXiv preprint arXiv:1706.00877},
year = {2017}
}