遺伝子発現データの完全デコンボリューションのための幾何学的構造誘導モデルとアルゴリズム【JST・京大機械翻訳】

Chen Duan; Li Shaoyu; Wang Xue

プレプリント

J-GLOBAL ID：202202215676120867 整理番号：22P0291345

遺伝子発現データの完全デコンボリューションのための幾何学的構造誘導モデルとアルゴリズム【JST・京大機械翻訳】

Geometric structure guided model and algorithms for complete deconvolution of gene expression data

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 (3件)： , ,
資料名：
発行年： 2022年02月17日プレプリントサーバーでの情報更新日： 2022年02月17日
JST資料番号： O7000B 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)

バルクRNAeqデータの完全なデコンボリューション分析は,患者および正常対照の組織における疾患関連GEP(遺伝子発現プロファイル)の違いが組織試料の細胞組成の変化,または特異的細胞におけるGEP変化に起因するかどうかを区別するのに重要である。完全なデコンボリューションを実行するための主要な技術の一つは,非負行列因数分解(NMF)であり,それはまた,機械学習コミュニティにおける広範囲の応用を有する。しかしながら,NMFはよく知られた強い不良設定問題であるので,NMFのRNAeqデータへの直接適用は,解の解釈性に厳しい困難を被る。本論文では,NMFベースの数学モデルと対応する計算アルゴリズムを開発し,バルクRNAeqデータのデコンボリューションの解識別可能性を改善した。本アプローチでは,マーカー遺伝子の生物学的概念をNMF理論の可解性条件と組み合わせ,幾何学的構造化誘導最適化モデルを開発した。この戦略において,バルク組織データの幾何学的構造を,スペクトルクラスタリング技術によって最初に調査した。次に,マーカー遺伝子の同定情報を可解性制約として統合し,一方,全体的相関グラフを多様体正則化として用いた。合成データと生物学的データの両方を用いて,提案モデルとアルゴリズムを検証し,そこから解解釈性と精度を大幅に改善した。【JST・京大機械翻訳】

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

数値計算 , 遺伝子発現

, , , , ,

前のページに戻る