文献

J-GLOBAL ID：201702290324516028   整理番号：17A0142797

深学習フレームワークを用いた遺伝子発現の予測モデル【Powered by NICT】

A predictive model of gene expression using a deep learning framework

著者 (4件)： Rui Xie (Department of Computer Science, University of Missouri at Columbia, 65201, USA) ,  Quitadamo Andrew (Department of Bioinformatics and Genomics, University of North Carolina at Charlotte, 28223, USA) ,  Cheng Jianlin (Department of Computer Science, University of Missouri at Columbia, 65201, USA) ,  Xinghua Shi (Department of Bioinformatics and Genomics, University of North Carolina at Charlotte, 28223, USA)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： BIBM  ページ： 676-681  発行年： 2016年 
JST資料番号： W2441A  資料種別： 会議録 (C)
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： 利用可能なデータの前例のない量では,科学的発見のためのこのデータをマイニングするための予測モデルを開発するための新しい方法を探索することが重要である。本研究では,遺伝的変異の遺伝子型からの遺伝子発現を予測するための多層パーセプトロンおよびスタック雑音除去自動符号化器(MLP SAE)に基づく深学習回帰モデルを提案した。具体的には,有用な特徴を抽出し,逆伝搬のための多層パーセプトロンを利用するために回帰モデルを訓練するために積層したノイズ除去オートエンコーダを用いた。さらに,過剰適合を防ぐためにドロップアウト法を添加することにより,このモデルを改善した。実ゲノムデータセットに関する著者らの結果は,ドロップアウトとMLP SAEモデルはドロップアウトなしLasso,ランダムフォレスト,MLP SAEに優れていることを示した。著者らの研究は,採掘ゲノミクスデータの深い学習の新しい応用を提供し,深層学習は生物学的システムを理解するための予測モデルを構築することに大きな可能性を持つことを示した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 多層パーセプトロン ,  雑音低減 ,  *予測モデル ,  生体系 ,  雑音除去 ,  符号器 ,  *学習 ,  採掘 ,  遺伝子型 ,  回帰モデル ,  *遺伝子発現 ,  深層学習 ,  遺伝的変異 ,  *モデル ,  *分子遺伝現象
準シソーラス用語： ランダムフォレスト , 【Automatic Indexing@JST】

分類 (3件)： 生体計測  (EL03020C) ,  パターン認識  (JE07000S) ,  ニューロコンピュータ  (JC06010Q)

タイトルに関連する用語 (4件)： 学習 ,  フレームワーク ,  遺伝子発現 ,  予測モデル