文献

J-GLOBAL ID：202102283004597921   整理番号：21A0084022

時系列および静的遺伝子発現データからの遺伝的ネットワークの推論:ランダムフォレストベース推論法と特徴選択法の結合【JST・京大機械翻訳】

Inference of Genetic Networks From Time-Series and Static Gene Expression Data: Combining a Random-Forest-Based Inference Method With Feature Selection Methods

著者 (4件)： Kimura Shuhei (Faculty of Engineering, Tottori University, Tottori, Japan) ,  Fukutomi Ryo (Graduate School of Sustainability Science, Tottori University, Tottori, Japan) ,  Tokuhisa Masato (Faculty of Engineering, Tottori University, Tottori, Japan) ,  Okada Mariko (Laboratory of Cell Systems, Institute of Protein Research, Osaka University, Osaka, Japan)
資料名： Frontiers in Genetics (Web)  (Frontiers in Genetics (Web))
巻： 11  ページ： 595912  発行年： 2020年 
JST資料番号： U7071A  ISSN： 1664-8021  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： いくつかの研究者は,それらの優れた性能のために,ランダムフォレストベースの推論方法に焦点を合わせてきた。これらの推論法のいくつかは,時系列と静的遺伝子発現データの両方を分析する有用な能力を有した。しかし,それらは信頼値を割り当てることにより,候補規制の全てをランク付けするのに唯一使用している。興味の遺伝子に実際に影響を与える規制を検出することができなかった。本研究では,ランダムフォレストベース推論法を一連の特徴選択法と組み合わせることにより,非プロミティブ候補規制を除去する方法を提案した。予測されない規制の検出に加えて,提案手法は,ランダムフォレストベースの推論法で計算した候補規制の全ての信頼性値を調整するための特徴選択法からの出力を用いる。数値実験は,特徴選択法との組み合わせ適用が,人工問題に関して行われた100の試行の99に関するランダムフォレストベースの推論方法の性能を改善することを示した。しかし,この組合せ法は,ほとんど候補規制の19%しか除去できないので,改善は小さい傾向がある。さらに,特徴選択法との組み合わせ適用は,計算コストを高くした。より低い計算コストでのより大きな改善は理想的である一方,我々の目的が限られた量の遺伝子発現データからできるだけ有用な情報として抽出されることを考えると,我々の研究に対する障害を見出さない。Copyright 2021 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 信頼性 ,  *遺伝子 ,  *特徴選択 ,  等級づけ ,  *遺伝子発現
準シソーラス用語： 数値実験 ,  計算コスト ,  *ランダムフォレスト ,  *遺伝子発現データ , 【Automatic Indexing@JST】

著者キーワード (5件)： FANTOM5 ,  遺伝子発現 ,  特徴選択 ,  ランダムフォレスト ,  遺伝的ネットワーク推論

分類 (4件)： 分子・遺伝情報処理  (JE15040B) ,  遺伝子発現  (EC02040Q) ,  遺伝学研究法  (EC01020N) ,  人工知能  (JE08000Z)

引用文献 (28件)：

• BreimanL. (2001). Random forests. Mach. Learn. 45, 5-32. doi: 10.1023/A:1010933404324
• CaiJ.KuoJ.WangS.YangS. (2018). Feature selection in machine learning: a new perspective. Neurocomputing 300, 70-79. doi: 10.1016/j.neucom.2017.11.077
• ChouI. C.VoitE. O. (2009). Recent developments in parameter estimation and structure identification of biochemical and genomic systems. Math. Biosci. 219, 57-83. doi: 10.1016/j.mbs.2009.03.00219327372
• ClevelandW. S. (1979). Robust locally weight regression and smoothing scatterplots. J. Am. Stat. Assoc. 79, 829-836. doi: 10.1080/01621459.1979.10481038
• de Matos SimoesR.Emmert-StreibF. (2012). Bagging statistical network inference from large-scale gene expression data. PLoS ONE 7:e33624. doi: 10.1371/journal.pone.003362422479422

タイトルに関連する用語 (6件)： 時系列 ,  遺伝子発現データ ,  遺伝的ネットワーク ,  推論 ,  ランダムフォレスト ,  特徴選択