TIGRESS：利用稳定性选择进行可信的基因调控推断
机器学习
2012-05-08 v1 定量方法
摘要
从基因表达数据推断基因调控网络（GRN）的结构有许多应用，从阐明复杂生物过程到识别潜在药物靶点。然而，这是一个众所周知的难题，许多现有方法的准确性有限。在本文中，我们将GRN推断表述为一个稀疏回归问题，并研究了一种流行的特征选择方法——最小角回归（LARS）结合稳定性选择的性能。我们引入了一种新颖、稳健且准确的稳定性选择评分技术，该技术提高了LARS特征选择的性能。由此产生的方法，我们称之为TIGRESS（Trustful Inference of Gene REgulation using Stability Selection），在DREAM5基因网络重建挑战中被评为顶级方法之一。我们深入研究了该方法各种参数的影响，并表明精细的参数调整可以带来显著的改进，并在GRN推断中达到最先进的性能。TIGRESS在基准数据上达到了最先进的性能。这项研究证实了特征选择技术在GRN推断中的潜力。代码和数据可在 http://cbio.ensmp.fr/~ahaury 获取。在线运行TIGRESS可通过GenePattern：http://www.broadinstitute.org/cancer/software/genepattern/。
引用
@article{arxiv.1205.1181,
title = {TIGRESS: Trustful Inference of Gene REgulation using Stability Selection},
author = {Anne-Claire Haury and Fantine Mordelet and Paola Vera-Licona and Jean-Philippe Vert},
journal= {arXiv preprint arXiv:1205.1181},
year = {2012}
}