文献

J-GLOBAL ID：202002275448731590   整理番号：20A0493744

時系列発現データ上の遺伝子調節ネットワーク構築のためのリカレントニューラルネットワーク【JST・京大機械翻訳】

Recurrent Neural Network for Gene Regulation Network Construction on Time Series Expression Data

著者 (3件)： Zhao Yue (University of Connecticut,Computer Science and Engineering Department,Storrs,Connecticut,06269) ,  Joshi Pujan (University of Connecticut,Computer Science and Engineering Department,Storrs,Connecticut,06269) ,  Shin Dong-Guk (University of Connecticut,Computer Science and Engineering Department,Storrs,Connecticut,06269)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： BIBM  ページ： 610-615  発行年： 2019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： 著者らは,再帰ニューラルネットワーク(RNN)が時系列遺伝子発現データをモデル化するために使用される潜在的転写因子ターゲットを探索する新しい方法を提案する。RNNの訓練が完了すると,RNN人工的に構築された信号を供給することにより推論が実行される。これらの人工シグナルは,元の遺伝子発現データを模倣し,転写因子のノックアウト状態をモデル化するために,興味のある転写因子を常にゼロに設定する。RNNからの他の遺伝子の予測された発現パターンを用いて,遺伝子がノックアウトされた転写因子により調節される可能性を測定した。データセットにおける転写因子として各遺伝子に対して同じプロセスを繰り返した後に,著者らは割り当てられたエッジ重みを有する遺伝子調節ネットワークを構築した。この方法を既存の一般的手法と比較することにより,このモデルの有効性を実証した。結果は,著者らのRNN法が,多くの既存のアプローチより高い精度で転写因子ターゲットを同定できることを示した。全体として,時系列遺伝子発現データで訓練されたRNNモデルは,転写因子標的の発見および遺伝子調節ネットワークの構築に有用である。Copyright 2020 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： *遺伝子 ,  有効性 ,  *ニューラルネットワーク ,  転写因子
準シソーラス用語： 遺伝子発現パターン ,  遺伝子発現データ ,  *リカレントニューラルネットワーク ,  *遺伝子調節ネットワーク , 【Automatic Indexing@JST】

分類 (2件)： 遺伝子発現  (EC02040Q) ,  分子・遺伝情報処理  (JE15040B)

タイトルに関連する用語 (5件)： 時系列 ,  発現 ,  遺伝子調節ネットワーク ,  構築 ,  リカレントニューラルネットワーク