文献

J-GLOBAL ID：201802260869966980   整理番号：18A0161647

不完全ネットワークを介した疾患遺伝子関連の反復集団予測【Powered by NICT】

Iteratively collective prediction of disease-gene associations through the incomplete network

著者 (4件)： Meng Xiangyi (Department of Computer Science, Xiamen University, Xiamen, China) ,  Zou Quan (School of Computer Science and Technology, Tianjin University, Tianjin, China) ,  Rodriguez-Paton Alfonso (Universidad Politcnica de Madrid(UPM), Campus Montegancedo s, Madrid, Spain) ,  Zeng Xiangxiang (Department of Computer Science, Xiamen University, Xiamen, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： BIBM  ページ： 1324-1330  発行年： 2017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： 遺伝子と疾患の間の関係の予測はヒトの健康の分野における最大の挑戦の一つである。遺伝子-疾患関連の予測に関するほとんどすべての最新の研究は,単一対リンクをfocuson,異なるタイプのリンクの間の関係と相互作用を無視していた。さらに,生物学的情報ネットワークは,通常,不完全であった。本論文では,二種類のタイプのノードを,それらの間のmetapaths(Wsrm)に基づくに使用される類似性測度を研究した。異種情報ネットワークを用いたリンク予測のための反復自己更新手法は,ネットワークの成立(ISL),半教師つき学習式を適合させるために提案した。OMIMとHumanNetデータセット(30,896ノードと1,200,166端)から構築された生物学的統合ネットワークを用いて,提案フレームワークを適用した。受信者動作特性曲線下の面積は0.941であり,この方法が,最新の遺伝子-疾患リンク予測アプローチの性能を著しく上回る事を示した。さらに,感度分析は,筆者らのアプローチがロバストであることを示した。,著者らの提案したフレームワークは,遺伝子および疾患の間のリンク予測のための効率的で正確な方法を実証した。添加では,反復の間,結果の精度は徐々に増加した。例データセットと提案アプローチの実装であるhttps://github.com/xymeng16/ISLで利用可能である。Copyright 2018 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： 統合通信網 ,  *予測 ,  類似性 ,  情報ネットワーク ,  ロバスト性 ,  感度解析 ,  *遺伝子 ,  相互作用 ,  *ネットワーク ,  測度
準シソーラス用語： ROC曲線 ,  半教師つき学習 ,  ヒトの健康 ,  *疾患遺伝子 , 【Automatic Indexing@JST】

分類 (1件)： 分子・遺伝情報処理  (JE15040B)

タイトルに関連する用語 (4件)： 疾患遺伝子 ,  反復 ,  集団 ,  予測