Gene interactions research studies

Gene interactions research studies have provided several useful
applications such as new drugs discovery that act on regulatory
pathways, and the development of tracking methods in the
dynamics of disease evolution within cells. GRNs estimation is
based on determining the genes that affect the expression of other
genes and on adequately describing these effects. Several methods
have been developed for inferring GRNs and producing hypotheses
about the presence or absence of interactions among genes;
hypotheses that can later be tested by laboratory experiments [15].
To address this issue, in addition to applications of genetic
algorithms [16], three main types of solutions have been proposed.
The first type limits the number of estimated genes. Even when
estimating a large-scale network, part of the network is often
attracted. The second type, a brute force approach, parallelizes the
estimation using high-performance computation. It is possible to
estimate large-scale networks when effective parallelizing is used
at the expense of costly computing equipment. The third type
improves the algorithm itself (e.g. greedy hill-climbing [GHC]),
avoiding the use of costly hardware but with the risk of being
trapped in local minima [6].

ผลลัพธ์ (ไทย) 1:

ศึกษาวิจัยปฏิสัมพันธ์ของยีนมีประโยชน์หลายใช้งานเช่นการค้นพบยาใหม่ที่ทำหน้าที่ในการกำกับดูแลเส้นทาง และการพัฒนาวิธีการในการติดตามการdynamics ของวิวัฒนาการโรคภายในเซลล์ ประเมิน GRNsคะแนนจากการพิจารณาที่มีผลต่อการแสดงออกของยีนยีน และอธิบายผลกระทบเหล่านี้อย่างเพียงพอ วิธีการต่าง ๆได้รับการพัฒนาสำหรับบรรยาย GRNs และผลิตสมมติฐานเกี่ยวกับการมีหรือไม่มีการโต้ตอบระหว่างยีนสมมติฐานที่สามารถทดสอบได้ในภายหลัง โดยการทดลองของห้องปฏิบัติการ [15]เพื่อแก้ไขปัญหานี้ นอกเหนือจากการใช้งานทางพันธุกรรมอัลกอริทึม [16], สามประเภทหลักของโซลูชั่นได้รับการเสนอชื่อชนิดแรกจำกัดจำนวนของยีนโดยประมาณ แม้ประเมินเครือข่ายขนาดใหญ่ เป็นส่วนหนึ่งของเครือข่ายมักจะเป็นดึงดูด ประเภทที่สอง วิธีการดุ parallelizes การการประเมินโดยใช้การคำนวณประสิทธิภาพสูง จำเป็นต้องประเมินเครือข่ายขนาดใหญ่เมื่อใช้ parallelizing ที่มีประสิทธิภาพค่าใช้จ่ายของอุปกรณ์คำนวณค่าใช้จ่าย ประเภทที่สามปรับปรุงอัลกอริทึมตัวเอง (เช่นโลภเขาปีน [GHC]),หลีกเลี่ยงการใช้ ของฮาร์ดแวร์ราคาแพง แต่ มีความเสี่ยงของการติดอยู่ในท้องถิ่น minima [6]

ผลลัพธ์ (ไทย) 2:

การศึกษาวิจัยยีนปฏิสัมพันธ์ได้ให้ประโยชน์หลายอย่าง
การใช้งานเช่นการค้นพบยาใหม่ที่ทำหน้าที่ในการกำกับดูแล
ทางเดินและการพัฒนาวิธีการติดตามใน
การเปลี่ยนแปลงวิวัฒนาการของโรคภายในเซลล์ GRNs ประมาณการ
ขึ้นอยู่กับการพิจารณาของยีนที่มีผลต่อการแสดงออกของอื่น ๆ
ยีนและเพียงพออธิบายผลกระทบเหล่านี้ หลายวิธีที่
ได้รับการพัฒนาสำหรับการอนุมาน GRNs และผลิตสมมติฐาน
เกี่ยวกับการมีหรือไม่มีการโต้ตอบกันของยีน
. สมมติฐานที่สามารถต่อมาได้รับการทดสอบโดยการทดลองในห้องปฏิบัติการ [15]
เพื่อแก้ไขปัญหานี้นอกเหนือไปจากการใช้งานของทางพันธุกรรม
ขั้นตอนวิธีการ [16], สามประเภทหลักของการแก้ปัญหาที่ได้รับการเสนอ.
ประเภทแรกจะ จำกัด จำนวนของยีนโดยประมาณ แม้ในขณะที่
การประเมินเครือข่ายขนาดใหญ่ซึ่งเป็นส่วนหนึ่งของเครือข่ายที่มักจะ
ดึงดูด ประเภทที่สองเป็นวิธีการที่กำลังดุร้าย parallelizes
การประมาณโดยใช้การคำนวณที่มีประสิทธิภาพสูง มันเป็นไปได้ที่จะ
ประเมินเครือข่ายขนาดใหญ่ที่มีประสิทธิภาพเมื่อ parallelizing จะใช้
ค่าใช้จ่ายของอุปกรณ์คอมพิวเตอร์เสียค่าใช้จ่าย ชนิดที่สาม
ปรับปรุงขั้นตอนวิธีการของตัวเอง (เช่นโลภเนินเขาปีนเขา [GHC])
หลีกเลี่ยงการใช้ฮาร์ดแวร์ค่าใช้จ่ายสูง แต่มีความเสี่ยงของการที่
ถูกขังอยู่ในท้องถิ่นน้อย [6]

ผลลัพธ์ (ไทย) 3:

การศึกษายีนปฏิสัมพันธ์มีให้หลายประโยชน์การใช้งาน เช่น การค้นพบยาใหม่ที่ทำตามกฎระเบียบแนวทางและวิธีการในการพัฒนาติดตามพลวัตของวิวัฒนาการโรคภายในเซลล์ การประมาณค่า grns คือขึ้นอยู่กับการกำหนดอื่น ๆที่มีผลต่อการแสดงออกของยีนยีน และการอธิบายอย่างเพียงพอผลกระทบเหล่านี้ วิธีการต่าง ๆได้รับการพัฒนาสำหรับการสร้าง grns สมมติฐานเกี่ยวกับการแสดงตนหรือการขาดปฏิสัมพันธ์ระหว่างยีน ;สมมติฐานที่สามารถต่อมาถูกทดสอบด้วยการทดลอง [ 15 ]เพื่อแก้ไขปัญหานี้ นอกจากการประยุกต์ใช้พันธุกรรมขั้นตอนวิธี [ 16 ] สามประเภทหลักของโซลูชั่นที่ได้รับการเสนอประเภทแรก จํากัดจํานวนประมาณยีน แม้เมื่อการเป็นเครือข่ายขนาดใหญ่เป็นส่วนหนึ่งของเครือข่ายมักจะเป็นดึงดูด . ประเภทที่สอง เป็นวิธีที่ parallelizes ดุร้าย ,การประมาณค่าโดยใช้การคำนวณประสิทธิภาพสูง มันเป็นไปได้ที่จะการประเมินประสิทธิภาพ parallelizing เครือข่ายขนาดใหญ่เมื่อใช้ที่ค่าใช้จ่ายของอุปกรณ์คอมพิวเตอร์ราคาแพง ประเภทที่สามปรับปรุงขั้นตอนวิธีตัวเอง ( เช่นโลภ hill-climbing [ GHC ] )หลีกเลี่ยงการใช้ของแพง แต่กับความเสี่ยงของการเป็นอุปกรณ์ติด ไม่นี่ ม๊าท้องถิ่น [ 6 ]