抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
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】