文献

J-GLOBAL ID：201802235059690347   整理番号：18A0725693

SPARSECA:不完全事前情報による転写因子活性回復のためのスパースネットワーク成分分析【JST・京大機械翻訳】

SparseNCA: Sparse Network Component Analysis for Recovering Transcription Factor Activities with Incomplete Prior Information

著者 (3件)： Noor Amina (Department of Psychiatry, University of California, San Diego, CA) ,  Ahmad Aitzaz (Corporate Research and Development, Qualcomm Technologies Inc., San Diego, CA) ,  Serpedin Erchin (Department of Electrical and Computer Engineering, Texas A&M University, College Station, TX)
資料名： IEEE/ACM Transactions on Computational Biology and Bioinformatics  (IEEE/ACM Transactions on Computational Biology and Bioinformatics)
巻： 15  号： 2  ページ： 387-395  発行年： 2018年 
JST資料番号： W1409A  ISSN： 1545-5963  CODEN： ITCBCY  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： ネットワーク成分分析(NCA)は,転写調節ネットワーク(trnS)を推測し,遺伝子発現データを用いて転写因子活性(TFAs)を回復させるための重要な方法であり,連結性マトリックスに関する事前情報である。現在利用可能なアルゴリズムはこの事前情報の完全性に依存している。しかしながら,測定プロセスにおける不正確さは,接続性マトリックスに関する利用可能な知識において不完全性をもたらす可能性がある。したがって,利用可能なデータにおける可能な不完全性を克服するためには,計算的に効率的なアルゴリズムが必要である。著者らは,l_1ノルムを用いて追加スパース性制約を課すことによってtrnSの推定における不完全性の影響を組み込んだスパースネットワーク成分分析アルゴリズム(スパースNCA)を提示して,それはより大きな推定精度をもたらした。計算効率を改善するために,反復再加重l_2法を,スパース性を促進するだけでなく,l_1ノルムベースの解より数百倍速いNCA問題のために提案した。sparseNCAの性能を,合成データと実データを用いて,FastNCAとNINCAの性能と比較した。スパースNCAは,推定精度と低計算複雑性の付加的利点との整合性の両方に関して,既存の最先端アルゴリズムより優れていることを示した。特に,ネットワークのスパース性についての不完全な事前情報の場合には,その先行者と比較してスパースNCAの性能が顕著である。サブネットワーク解析を,提案したアルゴリズムの優れた一貫性を繰り返すE.coliデータについて実行した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. 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 ,  計算量 ,  連結性 ,  ノルム ,  *転写因子 ,  完全性 ,  不整 ,  アルゴリズム
準シソーラス用語： 計算効率 ,  推定精度 ,  スパース性 ,  遺伝子発現データ ,  転写調節ネットワーク ,  *成分分析 ,  *事前知識 , 【Automatic Indexing@JST】

分類 (1件)： 信号理論  (ND02020G)

タイトルに関連する用語 (5件)： 事前情報 ,  転写因子 ,  活性 ,  回復 ,  成分分析