Gene network reconstruction is a mu

Gene network reconstruction is a multidisciplinary research area involving datamining, machine learning, statistics, ontologies and others. Reconstructed gene network allows us to understand how genes interact with each other. However, network construction is very complex due to highly interactive nature of genes. A proposed approach to solve this complex problem is to cluster the genes according to similarity in their gene expression profiles. We applied k-means clustering with k = 10 to come up with ten clusters of genes. Then, we applied Bayesian Network structure learning with Hill- climbing search strategy and Akaike Information Criterion score to search for the best network. We compared inferred interactions to a reference positive interactions dataset and found similarities between our inferred interactions and the reference. We further study the gene interactions using Gene Ontology. From our findings, we conclude that the clustering step is essential in gene network reconstruction. Clustering produced better group of genes for Bayesian Network learning. Larger clusters also produced more gene interactions. Gene Ontology can be combined with clustering to produce better quality clusters to improve gene network construction.

ผลลัพธ์ (ไทย) 1:

ฟื้นฟูเครือข่ายยีนเป็นพื้นที่วิจัย multidisciplinary datamining เรียนรู้ของเครื่อง สถิติ ontologies และอื่น ๆ เครือข่ายยีนที่สร้างขึ้นใหม่ช่วยให้เราสามารถเข้าใจวิธีการที่ยีนที่โต้ตอบกัน อย่างไรก็ตาม งานสร้างเครือข่ายจะซับซ้อนมากเนื่องจากลักษณะแบบโต้ตอบสูงของยีน วิธีการนำเสนอเพื่อแก้ไขปัญหานี้ซับซ้อนจะยีนตามคล้ายคลึงในส่วนกำหนดค่านิพจน์ยีนของคลัสเตอร์ เราใช้คลัสเตอร์กับ k หมายถึง k = 10 มากับคลัสเตอร์สิบของยีน เราใช้เครือข่ายทฤษฎีการเรียนรู้โครงสร้างกับเขา - ปีนผาค้นหากลยุทธ์และคะแนน Akaike ข้อมูลเกณฑ์การค้นหาเครือข่ายดีที่สุดแล้ว เราเปรียบเทียบสรุปโต้ตอบเพื่อการอ้างอิงโต้ตอบบวกชุดข้อมูล และพบความคล้ายคลึงระหว่างโต้ inferred ของเราและการอ้างอิง เราไปศึกษายีนการโต้ตอบที่ใช้ยีนภววิทยา จากการค้นพบของเรา เราสรุปว่า ขั้นตอนระบบคลัสเตอร์เป็นสิ่งจำเป็นในการฟื้นฟูเครือข่ายยีน คลัสเตอร์ผลิตดีกลุ่มของยีนสำหรับเครือข่ายทฤษฎีการเรียนรู้ คลัสเตอร์ขนาดใหญ่ผลิตเพิ่มเติมยีนโต้ตอบ ภววิทยายีนสามารถใช้ร่วมกับคลัสเตอร์การผลิตคลัสเตอร์คุณภาพดีกว่าการปรับปรุงยีนก่อสร้างเครือข่าย

ผลลัพธ์ (ไทย) 2:

ฟื้นฟูเครือข่ายยีนเป็นพื้นที่วิจัยสหสาขาวิชาชีพที่เกี่ยวข้องกับ datamining การเรียนรู้เครื่องสถิติจีส์และคนอื่น ๆ เครือข่ายยีนสร้างขึ้นใหม่จะช่วยให้เราเข้าใจว่ายีนโต้ตอบกับแต่ละอื่น แต่การสร้างเครือข่ายเป็นที่ซับซ้อนมากเนื่องจากลักษณะโต้ตอบสูงของยีน วิธีการที่นำเสนอการแก้ปัญหาที่ซับซ้อนนี้คือการจัดกลุ่มยีนที่เป็นไปตามความคล้ายคลึงกันในรูปแบบการแสดงออกของยีนของพวกเขา เราใช้ k-หมายถึงกลุ่มที่มี k = 10 มากับสิบกลุ่มของยีน จากนั้นเราจะนำมาใช้โครงสร้างเครือข่ายการเรียนรู้ Bayesian ด้วยกลยุทธ์การค้นหาฮิลล์ปีนเขาและคะแนน Akaike ข้อมูลเกณฑ์เพื่อค้นหาเครือข่ายที่ดีที่สุด เราเมื่อเทียบกับการสื่อสารการสรุปอ้างอิงบวกชุดปฏิสัมพันธ์และพบความคล้ายคลึงกันระหว่างการสื่อสารของเราสรุปและการอ้างอิง เรายังศึกษาปฏิสัมพันธ์ของยีนโดยใช้ยีนอภิปรัชญา จากผลการวิจัยของเราที่เราสรุปได้ว่าขั้นตอนการจัดกลุ่มเป็นสิ่งสำคัญในการสร้างเครือข่ายการถ่ายทอดทางพันธุกรรม การจัดกลุ่มการผลิตดีกว่ากลุ่มของยีนสำหรับการเรียนรู้เครือข่ายคชกรรม กลุ่มที่มีขนาดใหญ่ยังผลิตมากขึ้นปฏิสัมพันธ์ของยีน ยีนอภิปรัชญาสามารถใช้ร่วมกับการจัดกลุ่มในการผลิตที่มีคุณภาพดีกว่ากลุ่มที่จะปรับปรุงการสร้างเครือข่ายการถ่ายทอดทางพันธุกรรม

ผลลัพธ์ (ไทย) 3:

เครือข่ายการฟื้นฟูยีนเป็นสหสาขาวิชาชีพที่เกี่ยวข้องกับการวิจัยในพื้นที่ดาต้าไมน์นิ่ง การเรียนรู้เครื่อง , สถิติ , นโทโลจี และคนอื่น ๆ ยีนที่สร้างเครือข่ายช่วยให้เราเข้าใจวิธีการที่โต้ตอบกับแต่ละอื่น ๆ อย่างไรก็ตาม การสร้างเครือข่ายมีความซับซ้อนมากเนื่องจากลักษณะโต้ตอบสูงของยีนการนำเสนอแนวทางการแก้ไขปัญหาที่ซับซ้อนนี้คือกลุ่มยีนตามความเหมือนในการแสดงออกของยีนโปรไฟล์ เราใช้ k-means การจัดกลุ่มกับ K = 10 มากับสิบกลุ่มของยีน แล้วเราใช้โครงสร้างแบบเครือข่ายการเรียนรู้กับฮิลล์ - ปีนเขาค้นหากลยุทธ์และคะแนนเกณฑ์เคราะห์ข้อมูลเพื่อค้นหาเครือข่ายที่ดีที่สุดเราเทียบได้ปฏิสัมพันธ์กับข้อมูลอ้างอิงปฏิสัมพันธ์เชิงบวกและพบความคล้ายคลึงกันระหว่างของเรามีปฏิสัมพันธ์และการอ้างอิง เรายังได้ศึกษาปฏิกิริยาการใช้ยีนยีนอภิปรัชญา . จากผลการวิจัยของเรา เราสรุปได้ว่า สำหรับขั้นตอนสำคัญในการฟื้นฟูเครือข่ายจีน สำหรับกลุ่มของยีนที่ผลิตขึ้นสำหรับเครือข่ายการเรียนรู้แบบเบย์ .คลัสเตอร์ขนาดใหญ่ผลิตของยีนเพิ่มเติม ยีนอภิปรัชญาสามารถถูกรวม ด้วยการจัดกลุ่มเพื่อผลิตคุณภาพดีเพื่อปรับปรุงการสร้างเครือข่ายกลุ่มยีน