• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Journal of Bioinformatics and Computational Biology >Bayesian Network and Nonparametric Heteroscedastic Regression for Nonlinear Modeling of Genetic Network
【24h】

Bayesian Network and Nonparametric Heteroscedastic Regression for Nonlinear Modeling of Genetic Network

机译：贝叶斯网络和遗传网络非线性建模的非参数异方差回归

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

We propose a new statistical method for constructing a genetic network from microarray gene expression data by using a Bayesian network. An essential point of Bayesian network construction is the estimation of the conditional distribution of each random variable. We consider fitting nonparametric regression models with heterogeneous error variances to the microarray gene expression data to capture the nonlinear structures between genes. Selecting the optimal graph, which gives the best representation of the system among genes, is still a problem to be solved. We theoretically derive a new graph selection criterion from Bayes approach in general situations. The proposed method includes previous methods based on Bayesian networks. We demonstrate the effectiveness of the proposed method through the analysis of Saccharomyces cerevisiae gene expression data newly obtained by disrupting 100 genes.
机译：我们提出了一种新的统计方法，通过使用贝叶斯网络从微阵列基因表达数据构建遗传网络。贝叶斯网络构造的要点是估计每个随机变量的条件分布。我们考虑将具有异构误差方差的非参数回归模型拟合到微阵列基因表达数据中，以捕获基因之间的非线性结构。选择能在基因间最佳表示系统的最优图仍然是一个有待解决的问题。在一般情况下，我们从理论上从贝叶斯方法中得出新的图选择准则。所提出的方法包括基于贝叶斯网络的先前方法。我们通过分析通过破坏100个基因新获得的啤酒酵母基因表达数据，证明了该方法的有效性。

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