文献

J-GLOBAL ID：202002269247161558   整理番号：20A2274939

多次元ゲノムデータ解析のための統合型ロバストグラフ正則化非負行列因数分解【JST・京大機械翻訳】

An Integrated Robust Graph Regularized Non-negative Matrix Factorization for Multi-dimensional Genomic Data Analysis

著者 (4件)： Hao Yong-Jing (School of Information Science and Engineering, Qufu Normal University, Rizhao, China) ,  Hou Mi-Xiao (School of Information Science and Engineering, Qufu Normal University, Rizhao, China) ,  Zhu Rong (School of Information Science and Engineering, Qufu Normal University, Rizhao, China) ,  Liu Jin-Xing (School of Information Science and Engineering, Qufu Normal University, Rizhao, China)
資料名： Communications in Computer and Information Science  (Communications in Computer and Information Science)
巻： 1099  ページ： 97-111  発行年： 2020年 
JST資料番号： W5071A  ISSN： 1865-0929  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 「多次元ゲノムデータ」の発生により,同時生物学的サンプルのためのマルチプラットフォームゲノム分析技術が急速に開発された。しかし,多次元ゲノムデータの総合的解析のためのモデルの既存の欠点はロバスト性の欠如である。著者らは,上記の問題を取り扱うためにL_2,1-ノルムを導入することによって統合マトリックス因数分解モデルを使用した。本論文では,iRGNMFと名付けた多次元ゲノムデータ解析のための統合ロバストグラフ正則化非負行列因子分解を提案した。目的関数の定式化において,データ幾何学とモデルロバスト性を考慮するために,正則化とL_2,1ノルムを維持するために局所構造を導入した。また,このモデルを,癌ゲノムアトラス(TCGA)からの同じ癌の3つのタイプに適用した。実験は,iRGNMFがサンプルクラスタ化においてかなりの効果を得て,疑わしい疾患遺伝子を発見し,それは多次元遺伝子データにおける生物学の隠れたパターンと情報を明らかにするのに使用されることを示した。Copyright Springer Nature Singapore Pte Ltd. 2020 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 幾何学 ,  遺伝子 ,  生体試料 ,  クラスタ化 ,  *ゲノム ,  データ解析 ,  目的関数 ,  *正則化 ,  *高次元 ,  定式化 ,  ロバスト性 ,  ノルム
準シソーラス用語： 局所構造 ,  *非負行列因子分解 ,  *行列因数分解 , 【Automatic Indexing@JST】

著者キーワード (5件)： 統合モデル ,  NMF ,  TCGA ,  L21ノルム ,  ネットワーク解析

分類 (3件)： パターン認識  (JE07000S) ,  図形・画像処理一般  (JE04010I) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (8件)： 多次元 ,  ゲノム ,  データ解析 ,  統合 ,  ロバスト ,  グラフ ,  正則化 ,  非負行列因数分解