文献

J-GLOBAL ID：201702248203205059   整理番号：17A0448177

RNA Seqデータ分析のための関節L_2-1,1-ノルム制約ベース半教師つき特徴抽出【Powered by NICT】

A joint-L_2,1-norm-constraint-based semi-supervised feature extraction for RNA-Seq data analysis

著者 (8件)： Liu Jin-Xing (School of Information Science and Engineering, Qufu Normal University, Rizhao, China) ,  Liu Jin-Xing (Bio-Computing Research Center, Shenzhen Graduate School, Harbin Institute of Technology, Shenzhen, China) ,  Wang Dong (School of Information Science and Engineering, Qufu Normal University, Rizhao, China) ,  Gao Ying-Lian (Library of Qufu Normal University, Qufu Normal University, Rizhao, China) ,  Zheng Chun-Hou (School of Mechanical Engineering and Automation, Anhui University, Hefei, China) ,  Shang Jun-Liang (School of Information Science and Engineering, Qufu Normal University, Rizhao, China) ,  Liu Feng (School of Computer Science and Software Engineering, Shenzhen University, Shenzhen, China) ,  Xu Yong (Bio-Computing Research Center, Shenzhen Graduate School, Harbin Institute of Technology, Shenzhen, China)
資料名： Neurocomputing  (Neurocomputing)
巻： 228  ページ： 263-269  発行年： 2017年 
JST資料番号： W0360A  ISSN： 0925-2312  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： RNA-seqデータから差次的に発現した遺伝子を効率的に同定するために緊急である。本論文では,RNA-Seqデータを解析するために,関節L_2-1,1-ノルム制約ベース半教師つき特徴抽出(L21SFE),新しい方法を提案した。著者らのスキームを以下のように示した。最初に,グラフLaplace行列を構築し,ラベル付けされた標本を用いてそれを精緻化した。グラフ構築法は,多数のラベル無しサンプルの完全に利用することができる。第二に,一般化固有値問題を解くことにより半教師つき最適マップを見出した。第三に,関節L_2-1,1-ノルム制約による最適問題を解決した射影行列を得た。L_2-1,1-ノルム制約を用いた雑音と異常値の影響を減少させ,より正確な結果を生成することができる。最後に,射影行列に基づく差次的に発現した遺伝子を同定した。シミュレーションと実際のRNA-Seqデータセットを用いた実験で,この方法の実現可能性と有効性を実証した。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： *特徴抽出 ,  雑音 ,  *RNA【核酸】 ,  遺伝子 ,  異常値 ,  *データ解析 ,  固有値問題 ,  *ノルム
準シソーラス用語： 射影行列 , 【Automatic Indexing@JST】

著者キーワード (5件)： 特徴抽出 ,  L_21ノルム制約 ,  スペクトル回帰 ,  半教師つき法 ,  RNA Seqデータ分析

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (7件)： RNA ,  データ分析 ,  関節 ,  ノルム ,  制約 ,  教師 ,  特徴抽出