文献

J-GLOBAL ID：202002278919027680   整理番号：20A1503313

新しい近傍正則化トリ因数分解1クラス協調フィルタリングアルゴリズムを用いた転写因子の標的遺伝子予測【JST・京大機械翻訳】

Target Gene Prediction of Transcription Factor Using a New Neighborhood-regularized Tri-factorization One-class Collaborative Filtering Algorithm

著者 (2件)： Lim Hansaim (The Graduate Center of the City University of New York, New York, NY, USA) ,  Xie Lei (Hunter College of the City University of New York, New York, NY, USA)
資料名： ACM Proceedings  (ACM Proceedings)
号： BCB ’18  ページ： 1-10  発行年： 2018年 
JST資料番号： D0698C  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： 転写因子(TF)の標的遺伝子の同定は転写調節を理解するための鍵となる因子の一つである。しかしながら,ゲノムワイドTF標的化プロファイルの理解は,大規模実験と内因性複雑性のコストにより制限される。したがって,計算予測法は,観察されない関連を予測するために有用である。ここでは,正則化,重み付け非負行列3因子化に基づく,新しい1クラス協調フィルタリングアルゴリズムtREMAPを開発した。アルゴリズムは既知の遺伝子-TF会合と蛋白質-蛋白質相互作用ネットワークを用いてTFsに対する観察されない標的遺伝子を予測する。著者らのベンチマーク研究は,tREMAPが,すべての4つのパフォーマンスメトリックAUC,MAP,MPR,およびHLUにおける転写因子標的遺伝子予測のために,2因子化ベースのアルゴリズムであるREMAPを,有意に凌駕することを示した。独立データセットによって評価した場合,予測精度は,ランダム推測と比較して,トップ495予測関連で37.8%,濃縮係数4.19であった。さらに,tREMAPによる予測新規関連の多くは,文献からの証拠によって支持された。本研究では,標準的なTF-標的遺伝子相互作用データのみを使用するが,tREMAPは組織特異的データセットに直接適用でき,tREMAPはTF標的遺伝子予測のさらなる改善のために複数のオミクスデータを統合するためのフレームワークを提供する。したがって,tREMAPは遺伝子調節ネットワークを研究するための潜在的に有用なツールである。ベンチマークデータセットとtREMAPのソースコードはhttps://github.com/hansaimlim/REMAP/tree/master/TriFacREMAPで自由に利用可能である。Please refer to this article’s citation page on the publisher website for specific rights information. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 予測技法 ,  *アルゴリズム ,  相互作用 ,  ネットワーク ,  *遺伝子 ,  *因数分解 ,  *正則化 ,  ベンチマーク ,  ターゲティング ,  *転写因子
準シソーラス用語： *協調フィルタリング ,  予測精度 ,  転写調節 ,  *標的遺伝子 ,  オミックス , 【Automatic Indexing@JST】

著者キーワード (5件)： 遺伝子調節ネットワーク ,  潜在的特徴 ,  レコメンダーシステム ,  tf-標的相互作用 ,  トレマップ

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 (10件)： 近傍 ,  正則化 ,  トリ ,  因数分解 ,  クラス ,  協調フィルタリング ,  アルゴリズム ,  転写因子 ,  標的遺伝子 ,  予測