• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>IFAC PapersOnLine >Gene Regulatory Network Inference Using Time-Stamped Cross-Sectional Single Cell Expression Data
【24h】

Gene Regulatory Network Inference Using Time-Stamped Cross-Sectional Single Cell Expression Data

机译：带时间戳的横断面单细胞表达数据的基因调控网络推断

获取原文
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Abstract: In this paper we presented a novel method for inferring gene regulatory network (GRN) from time-stamped cross-sectional single cell data. Our strategy, called SNIFS (Sparse Network Inference For Single cell data) seeks to recover the causal relationships among genes by analyzing the evolution of the distribution of gene expression levels over time, more specifically using Kolmogorov-Smirnov (KS) distance. In the proposed method, we formulated the GRN inference as a linear regression problem, where we used Lasso regularization to obtain the optimal sparse solution. We tested SNIFS using in silico single cell data from 10 - and 20-gene GRNs, and compared the performance of our method with Time Series Network Inference (TSNI), GEne Network Inference with Ensemble of trees (GENIE3), and an extension of GENIE3 for time series data called JUMP3. The results showed that SNIFS outperformed existing algorithms based on the Area Under the Receiver Operating Characteristic (AUROC) and Area Under the Precision-Recall (AUPR) curves.
机译：摘要：在本文中，我们提出了一种从带时间戳的横断面单细胞数据推断基因调控网络（GRN）的新方法。我们的策略称为SNIFS（针对单细胞数据的稀疏网络推断）旨在通过分析基因表达水平随时间的分布演变来恢复基因之间的因果关系，尤其是使用Kolmogorov-Smirnov（KS）距离。在提出的方法中，我们将GRN推论公式化为线性回归问题，在其中我们使用套索正则化来获得最优的稀疏解。我们使用来自10和20基因GRN的计算机单细胞数据对SNIFS进行了测试，并将我们的方法的性能与时间序列网络推断（TSNI），具有树集合的GEne网络推断（GENIE3）和GENIE3扩展进行了比较用于称为JUMP3的时间序列数据。结果表明，SNIFS优于基于接收器工作特征下的面积（AUROC）和精确召回下的面积（AUPR）曲线的现有算法。

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