• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Computational Biology and Bioinformatics, IEEE/ACM Transactions on >Shifting-and-Scaling Correlation Based Biclustering Algorithm
【24h】

Shifting-and-Scaling Correlation Based Biclustering Algorithm

机译：基于移位和比例相关的双聚类算法

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 existence of various types of correlations among the expressions of a group of biologically significant genes poses challenges in developing effective methods of gene expression data analysis. The initial focus of computational biologists was to work with only absolute and shifting correlations. However, researchers have found that the ability to handle shifting-and-scaling correlation enables them to extract more biologically relevant and interesting patterns from gene microarray data. In this paper, we introduce an effective shifting-and-scaling correlation measure named Shifting and Scaling Similarity (SSSim), which can detect highly correlated gene pairs in any gene expression data. We also introduce a technique named Intensive Correlation Search (ICS) biclustering algorithm, which uses SSSim to extract biologically significant biclusters from a gene expression data set. The technique performs satisfactorily with a number of benchmarked gene expression data sets when evaluated in terms of functional categories in Gene Ontology database.
机译：一组具有生物学意义的基因的表达之间存在各种类型的相关性，对开发有效的基因表达数据分析方法提出了挑战。计算生物学家的最初重点是仅使用绝对相关和变动相关。但是，研究人员发现，处理移位和缩放相关性的能力使他们能够从基因微阵列数据中提取更多生物学上相关且有趣的模式。在本文中，我们介绍了一种有效的移位和缩放相关性度量，称为移位和缩放相似性（SSSim），它可以检测任何基因表达数据中高度相关的基因对。我们还介绍了一种名为密集相关搜索（ICS）双聚类算法的技术，该技术使用SSSim从基因表达数据集中提取具有生物学意义的双聚类。当根据基因本体数据库中的功能类别进行评估时，该技术对许多基准基因表达数据集的性能令人满意。

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