欠損データを持つ遺伝子レベル組織ネットワーク推定のための凸最適化フレームワークと疾患アーキテクチャの理解におけるその応用【JST・京大機械翻訳】

Dey, K. K.; Mazumder, R.

プレプリント

J-GLOBAL ID：202202208659250432 整理番号：22P0228772

欠損データを持つ遺伝子レベル組織ネットワーク推定のための凸最適化フレームワークと疾患アーキテクチャの理解におけるその応用【JST・京大機械翻訳】

A convex optimization framework for gene-level tissue network estimation with missing data and its application in understanding disease architecture

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (2件)： ,
資料名：
発行年： 2020年03月18日プレプリントサーバーでの情報更新日： 2020年03月18日
JST資料番号： O7001B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

複数組織における個体にわたる相関発現を有する遺伝子は,これらの組織を網羅する全身性遺伝活性に潜在的に有用である。この状況において,遺伝子型組織発現(GTEx)プロジェクトからの複数の被験者にわたる組織レベル遺伝子発現データは貴重な分析資源である。残念なことに,GTExデータは,しばしば組織のサブセットのみに寄与する被験者により,欠測されたエントリーを伴う。このようなシナリオでは,データ補完の有無による相関行列推定の標準技術が十分には実行されていない。ここでは,欠測データ問題に対するスパース共分散または逆共分散行列をロバストに学習するための新しい凸最適化ベースフレームワークであるRobocovを提案した。Robocovは,シミュレーション設定とGTExデータ解析の両方で,相関と因果構造のより解釈可能な,より少ないクラッタ視覚表現を生成する。また,シミュレーション実験は,Robocov推定器が,欠測データ問題に対する競合アプローチより低い偽陽性率を有することを示した。Robocov相関の平均値または組織にわたる部分的相関に基づく遺伝子は,シグナル伝達経路,熱ストレス因子,免疫機能および概日時計のような全身活性に関連する経路に対して豊富である。さらに,これらの優先遺伝子に結合したSNPは,血液関連形質に対するユニークなシグナルを提供する。比較すると,標準相関推定子によって優先される遺伝子にリンクしたSNPに対して,疾患シグナルは観察されなかった。ロボコブは,欠測エントリを持つデータに対するスパース相関と因果ネットワーク推定のための重要な独立統計ツールである。そしてGTExデータに適用した場合,それは遺伝的および自己免疫病構造の両方への洞察を提供する。【JST・京大機械翻訳】

, , , , , , , , , , ,
, , , , , 【Automatic Indexing@JST】

遺伝子発現 , 分子・遺伝情報処理

, , , , , , , , ,

前のページに戻る