• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>Bioinformatics Research and Development; Lecture Notes in Bioinformatics; 4414 >Biological Network Inference Using Redundancy Analysis
【24h】

Biological Network Inference Using Redundancy Analysis

机译：使用冗余分析的生物网络推断

获取原文
获取原文并翻译 | 示例
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

The paper presents MRNet, an original method for inferring genetic networks from microarray data. This method is based on Maximum Relevance - Minimum Redundancy (MRMR), an effective information-theoretic technique for feature selection. MRNet is compared experimentally to Relevance Networks (RelNet) and ARACNE, two state-of-the-art information-theoretic network inference methods, on several artificial microarray datasets. The results show that MRNet is competitive with the reference information-theoretic methods on all datasets. In particular, when the assessment criterion attributes a higher weight to precision than to recall, MRNet outperforms the state-of-the-art methods.
机译：本文介绍了MRNet，这是一种从微阵列数据推断遗传网络的原始方法。此方法基于最大相关性-最小冗余（MRMR），这是一种用于特征选择的有效信息理论技术。在几个人工微阵列数据集上，将MRNet与相关网络（RelNet）和ARACNE（两种最新的信息理论网络推断方法）进行了实验比较。结果表明，MRNet在所有数据集上均具有参考信息理论方法的竞争力。尤其是，当评估标准将较高的权重归因于精度而不是召回率时，MRNet优于最新方法。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号