文献

J-GLOBAL ID：201802232839188836   整理番号：18A1805219

代謝ネットワーク推論のためのモデル不確実性解析:Bayesモデル平均化における事例研究【JST・京大機械翻訳】

Model Uncertainty Analysis for Metabolic Network Inference: A Case Study in Bayesian Model Averaging

著者 (2件)： Theorell Axel (Institute of Bio- and Geosciences, IBG-1, Forschungszentrum Juelich GmbH, Wilhelm-Johnen-Strasse, 52428 Juelich, Germany) ,  Noh Katharina (Institute of Bio- and Geosciences, IBG-1, Forschungszentrum Juelich GmbH, Wilhelm-Johnen-Strasse, 52428 Juelich, Germany)
資料名： IFAC PapersOnLine  (IFAC PapersOnLine)
巻： 51  号： 19  ページ： 124-125  発行年： 2018年 
JST資料番号： W3101A  ISSN： 2405-8963  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： システム生物学の識別特徴は,研究中のシステムのより深い理解を予測あるいは生成する手段としてのモデルの質問である。しかし,特定の問題を扱うために与えられたデータセットを用いるとき,適用するためのユニークで証明可能なモデル定式化はほとんど知られていない。代わりに,様々な範囲の代替処方の大きな選択は,実体の組合せ構成から生じる。このシナリオでは,モデル定式化の不確実性を考慮しながら,統計的に妥当な推論と予測を可能にする計算法が望まれる。単一モデルインスタンスの代わりに候補モデルの集合を考慮することにより,モデル不確実性を考慮したBayesモデル平均化(BMA)を検討した。BMAの計算実行可能性を示すために,代謝フラックス解析の領域から現実的サイズの反応ネットワークに対するモデル不確実性解析を行い,数百万のモデルを特徴とした。これは,パラメータとモデル構造不確実性を同時に扱うために調整されたMarkov連鎖モンテカルロ(MCMC)法を用いて可能になる。マルチモデル問題を解く計算負荷を調べるために,多重モデル問題におけるすべてのモデルの反応を含むスーパーモデルを作成した。多重モデル問題の計算負荷を,単一スーパーモデルに関する従来のMCMC推論のものと比較した。比較により,多重モデル問題が単一スーパーモデル問題より計算的に高価でないという驚くべき洞察を得た。さらに,例として,BMAが有効な構造ネットワーク推論をもたらすことを示した。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *ネットワーク ,  モデリング ,  定式化 ,  *事例研究 ,  *モデル ,  モンテカルロ法 ,  Markov連鎖 ,  *不確実性 ,  パラメータ
準シソーラス用語： 多重モデル ,  計算負荷 ,  MCMC ,  *不確実性解析 ,  *Bayes法 ,  *代謝ネットワーク , 【Automatic Indexing@JST】

著者キーワード (5件)： モデリング ,  不確実性解析 ,  Bayesモデル平均化 ,  mcmC ,  代謝フラックス分析

分類 (2件)： 確率論  (AB09000O) ,  統計学  (AB08000H)

タイトルに関連する用語 (7件)： 代謝ネットワーク ,  推論 ,  モデル ,  不確実性解析 ,  Bayesモデル ,  平均 ,  研究