In this article we have studied the

In this article we have studied the problem of ordering leaves of the tree
representing hierarchical clustering of the gene expression profiles. We
have presented an efficient Θ(n
3
) algorithm solving the problem, which
improved on an existing Θ(n
4
) algorithm for the same problem. Our algorithm
is suitable for different distance measures and various optimization
criteria, and this approach could be applied to other tree-ordering problems
unrelated to gene expression arrays. For example, one could use it to
reorder the subtrees of a phylogeny tree under some similarity measure.
In the second part of the article we have presented results of a small
experimental study. The results from all of our experiments point to one
conclusion: different orderings may create slightly different results, but no
one ordering seems to be superior. Quantitatively, sharp differences can
be seen, with TSP and optimal ordering outperforming Eisen’s heuristic
and random ordering over several distance metrics. However, these advantages,
particularly in the case of TSP, may have to be examined in
light of qualitative results. Qualitatively, differences are subtle, and while
we can identify individual variations on individual data sets, it is diffi-
cult to make general determinations. We have observed an example where
the optimal ordering produces biologically more meaningful results than
Eisen’s heuristic. Several more data sets with significant qualitative improvement
have been observed in [2]. Of course, qualitative improvement
cannot be expected in all cases.

ผลลัพธ์ (ไทย) 1:

ในบทความนี้ เราได้ศึกษาปัญหาสั่งของต้นไม้ใบไม้ตัวแทนคลัสเตอร์ตามลำดับชั้นของส่วนกำหนดค่านิพจน์ยีน เราได้นำเสนอมีประสิทธิภาพΘ (n3) อัลกอริทึมในการแก้ปัญหา ที่ปรับปรุงในการΘที่มีอยู่ (n4) อัลกอริทึมสำหรับปัญหาเดียวกัน อัลกอริทึมของเราเหมาะสำหรับวัดระยะต่าง ๆ และเพิ่มประสิทธิภาพต่าง ๆหลักเกณฑ์ และวิธีการนี้สามารถใช้ได้ปัญหาอื่นสั่งซื้อต้นไม้ไม่เกี่ยวข้องกับยีนนิพจน์เรย์ ตัวอย่าง หนึ่งอาจใช้เพื่อสั่ง subtrees ของต้นไม้ phylogeny ภายใต้บางวัดความคล้ายคลึงกันในส่วนสองของบทความ เราได้นำเสนอผลของขนาดเล็กศึกษาทดลอง ผลจากการทดลองของเราชี้ไปที่หนึ่งบทสรุป: orderings อื่นอาจสร้างผลลัพธ์ที่แตกต่างกันเล็กน้อย แต่ไม่มีสั่งหนึ่งดูเหมือนจะเหนือกว่า Quantitatively คมความแตกต่างได้มองเห็นได้ สั่งซื้อ heuristic outperforming Eisen ช้อนชา และเหมาะสมและสุ่มลำดับมากกว่า การวัดระยะทางหลาย อย่างไรก็ตาม เหล่านี้ใช้ประโยชน์ได้โดยเฉพาะอย่างยิ่งในกรณีของช้อนชา อาจจะต้องถูกตรวจสอบในแสงของผลลัพธ์เชิงคุณภาพ Qualitatively ความแตกต่างลึกซึ้ง และในขณะเราสามารถระบุแต่ละรูปแบบในแต่ละชุดข้อมูล diffi-ลัทธิการทำ determinations ทั่วไป เราได้สังเกตตัวอย่างที่สั่งซื้อเหมาะสมให้ผลลัพธ์มีมากชิ้นกว่าHeuristic ของ Eisen ข้อมูลหลายชุดพร้อมปรับปรุงคุณภาพที่สำคัญมีการสังเกตใน [2] หลักสูตร การพัฒนาคุณภาพไม่สามารถคาดหวังได้ในทุกกรณี

ผลลัพธ์ (ไทย) 2:

ในบทความนี้เรามีการศึกษาปัญหาการสั่งซื้อใบของต้นไม้ที่เป็นตัวแทนของการจัดกลุ่มตามลำดับชั้นของการแสดงออกของยีน เราได้นำเสนอที่มีประสิทธิภาพΘ (n 3) ขั้นตอนวิธีการแก้ปัญหาที่ดีขึ้นในที่มีอยู่Θ (n 4) อัลกอริทึมสำหรับปัญหาเดียวกัน อัลกอริทึมของเราเหมาะสำหรับมาตรการระยะทางที่แตกต่างกันและการเพิ่มประสิทธิภาพต่างๆหลักเกณฑ์และวิธีการนี้สามารถนำไปใช้ในการแก้ไขปัญหาการสั่งซื้อต้นไม้อื่นๆที่ไม่เกี่ยวข้องกับอาร์เรย์การแสดงออกของยีน ตัวอย่างเช่นหนึ่งสามารถใช้มันเพื่อเรียงลำดับ subtrees ของต้นไม้เชื้อชาติภายใต้มาตรการความคล้ายคลึงกันบาง. ในส่วนที่สองของบทความที่เราได้นำเสนอผลของการที่มีขนาดเล็กการศึกษาทดลอง ผลจากการทดลองของเราชี้ให้เป็นหนึ่งในข้อสรุป: orderings แตกต่างกันอาจสร้างผลลัพธ์ที่แตกต่างกันเล็กน้อย แต่ไม่มีหนึ่งในการสั่งซื้อน่าจะดีกว่า ปริมาณความแตกต่างที่คมชัดสามารถมองเห็นได้ด้วย TSP การสั่งซื้อที่เหมาะสมและดีกว่าการแก้ปัญหาของ Eisen และการสั่งซื้อแบบสุ่มมากกว่าการวัดระยะทางหลาย แต่ข้อดีเหล่านี้โดยเฉพาะอย่างยิ่งในกรณีของ TSP อาจจะต้องมีการตรวจสอบในแง่ของผลเชิงคุณภาพ คุณภาพแตกต่างที่บอบบางและในขณะที่เราสามารถระบุรูปแบบที่เปลี่ยนแปลงในแต่ละชุดข้อมูลมันเป็น diffi- ศาสนาที่จะทำให้การหาความทั่วไป เราได้สังเกตตัวอย่างที่สั่งซื้อที่เหมาะสมก่อให้เกิดผลลัพธ์ทางชีวภาพที่มีความหมายมากกว่าการแก้ปัญหาของEisen หลายชุดข้อมูลได้มากขึ้นมีการปรับปรุงคุณภาพอย่างมีนัยสำคัญได้รับการปฏิบัติใน [2] แน่นอนว่าการปรับปรุงคุณภาพไม่สามารถคาดว่าในทุกกรณี

ผลลัพธ์ (ไทย) 3:

ในบทความนี้เราได้ศึกษาปัญหาของการสั่งซื้อใบของต้นไม้การจัดกลุ่มลำดับชั้น
เป็นตัวแทนของการแสดงออกของยีนในโปรไฟล์ เราเสนอการΘมีประสิทธิภาพ
( n
3
) ขั้นตอนวิธีการแก้ปัญหาซึ่ง
ปรับปรุงในΘที่มีอยู่ ( n
4
) ขั้นตอนวิธีสำหรับปัญหาเดียวกัน
ขั้นตอนวิธีของเราเหมาะสำหรับการวัดระยะทางที่แตกต่างกันและเงื่อนไขการเพิ่มประสิทธิภาพ
ต่าง ๆและวิธีการนี้สามารถใช้กับต้นไม้อื่น ๆสั่งซื้อปัญหา
ไม่เกี่ยวกับการแสดงออกของยีนในอาร์เรย์ . ตัวอย่างเช่นหนึ่งอาจจะสามารถใช้มันเพื่อ
สั่งใหม่ subtrees ของระบบเชื้อชาติต้นไม้ภายใต้ความคล้ายคลึงกันบางอย่างวัด .
ในส่วนที่สองของบทความที่เราได้แสดงผลขนาดเล็ก
ทดลองเรียน จากผลการทดลองทั้งหมดของเราจุดหนึ่ง
สรุป :อย่างง่ายที่แตกต่างกันอาจสร้างผลลัพธ์ที่แตกต่างกันเล็กน้อย แต่ไม่มี
ที่สั่งน่าจะเหนือกว่า ปริมาณความแตกต่างได้ชัดเจนสามารถ
เห็น กับช้อนชาที่สั่ง outperforming ไอเซ็นเป็นฮิวริสติก
และสั่งสุ่มกว่าไกลวัดหลาย อย่างไรก็ตาม ข้อได้เปรียบเหล่านี้
, โดยเฉพาะอย่างยิ่งในกรณีของ TSP , อาจจะต้องมีการตรวจสอบใน
แสงผลเชิงคุณภาพ คุณภาพความแตกต่างที่ลึกซึ้ง และในขณะที่
เราสามารถระบุรูปแบบในแต่ละชุดข้อมูลส่วนบุคคล มันเป็น diffi -
ศาสนาเพื่อให้ทั่วไป ร้อยละ . เราได้เห็นตัวอย่างที่สั่งผลิตทางชีวภาพที่เหมาะสม

ยิ่งผลลัพธ์กว่าไอเซ็นเป็นแบบศึกษาสำนึก อีกหลายชุดข้อมูลที่มีคุณภาพที่สำคัญได้พบในการปรับปรุง
[ 2 ] แน่นอนการปรับปรุงคุณภาพไม่สามารถคาด

ในทุกกรณี