文献

J-GLOBAL ID：201702214459036017   整理番号：17A0048435

ブロック-強制ロバスト主成分分析及びTCGAデータ総合解析への適用

Block-Constraint Robust Principal Component Analysis and its Application to Integrated Analysis of TCGA Data

著者 (5件)： Liu Jin-Xing (School of Information Science and Engineering, Qufu Normal University, Rizhao, China) ,  Gao Ying-Lian (Library of Qufu Normal University, Qufu Normal University, Rizhao, China) ,  Zheng Chun-Hou (School of Information Science and Engineering, Qufu Normal University, Rizhao, China) ,  Xu Yong (Bio-Computing Research Center, Shenzhen Graduate School, Harbin Institute of Technology, and with Key Laboratory of Network Oriented Intelligent Computation, Shenzhen, China) ,  Yu Jiguo (School of Information Science and Engineering, Qufu Normal University, Rizhao, China)
資料名： IEEE Transactions on Nanobioscience  (IEEE Transactions on Nanobioscience)
巻： 15  号： 6  ページ： 510-516  発行年： 2016年 
JST資料番号： W1381A  ISSN： 1536-1241  CODEN： ITMCEL  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 癌ゲノムアトラス(TCGA)データセットは,癌形成,増殖及び転移における生物学的機構を系統的及び包括的に学習するための多くの機会を提供する。TCGAデータセットは異質なデータを含んでいることから,有意義な情報を掘り出すことは,バイオインフォマティクスボトルネックの1つである。本研究では,これらの異質なデータを分析するロバスト主成分分析(RPCA)のパフォーマンスを改善するために,改変RPCAに基づいた方法,即ちブロック-強制ロバスト主成分分析(BCRPCA)を提案した。異なるカテゴリーデータには異なる特性があるので,BCRPCAは,異なるカテゴリーに異なる強制強度を強いることによって,RPCAのパフォーマンスを改善した。第1に,TCGAデータの観察マトリックスは,BCRPCAの使用により2つの追加マトリックスA及びSに分解した。第2に,すべての特徴を評価し,遺伝子にこれらの特徴を計画するために,順位計画を使用した。高いスコアを有する遺伝子は,特異的に発現されたものであることを確認した。本稿の主な貢献は以下のとおりである:第1に,TCGAデータをモデル化するためにBCRPCAについての観念及び方法を初めて提案した;第2に,TCGAデータの統合分析のためにBCRPCAに基づくフレームワークを提供した。得られた結果から,示した方法はこれらのデータを分析するために有効で適切であることを示した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST

シソーラス用語： 主成分分析 ,  *情報科学 ,  *生物学 ,  遺伝学 ,  ロバスト性 ,  腫瘍 ,  スパース行列 ,  分解 ,  数学モデル ,  ゲノム ,  行列 ,  *データベース
準シソーラス用語： ゲノミクス ,  *バイオインフォマティクス ,  癌 ,  *癌ゲノムアトラス ,  行列分解

分類 (2件)： 分子・遺伝情報処理  (JE15040B) ,  基礎腫よう学一般  (GE02010R)

タイトルに関連する用語 (5件)： 強制 ,  ロバスト ,  主成分分析 ,  総合 ,  解析