TAILIEUCHUNG - Báo cáo hóa học: " Research Article Information-Theoretic Inference of Large Transcriptional Regulatory Networks"

Tuyển tập báo cáo các nghiên cứu khoa học quốc tế ngành hóa học dành cho các bạn yêu hóa học tham khảo đề tài: Research Article Information-Theoretic Inference of Large Transcriptional Regulatory Networks | Hindawi Publishing Corporation EURASIP Journal on Bioinformatics and Systems Biology Volume 2007 Article ID 79879 9 pages doi 2007 79879 Research Article Information-Theoretic Inference of Large Transcriptional Regulatory Networks Patrick E. Meyer Kevin Kontos Frederic Lafitte and Gianluca Bontempi ULB Machine Learning Group Computer Science Department Universite Libre de Bruxelles 1050 Brussels Belgium Received 26 January 2007 Accepted 12 May 2007 Recommended by Juho Rousu The paper presents MRNET an original method for inferring genetic networks from microarray data. The method is based on maximum relevance minimum redundancy MRMR an effective information-theoretic technique for feature selection in supervised learning. The MRMR principle consists in selecting among the least redundant variables the ones that have the highest mutual information with the target. MRNET extends this feature selection principle to networks in order to infer gene-dependence relationships from microarray data. The paper assesses MRNET by benchmarking it against RELNET CLR and ARACNE three state-of-the-art information-theoretic methods for large up to several thousands of genes network inference. Experimental results on thirty synthetically generated microarray datasets show that MRNET is competitive with these methods. Copyright 2007 Patrick E. Meyer et al. This is an open access article distributed under the Creative Commons Attribution License which permits unrestricted use distribution and reproduction in any medium provided the original work is properly cited. 1. INTRODUCTION Two important issues in computational biology are the extent to which it is possible to model transcriptional interactions by large networks of interacting elements and how these interactions can be effectively learned from measured expression data 1 . The reverse engineering of transcriptional regulatory networks TRNs from expression data alone is far from trivial because of the combinatorial nature .

• Báo cáo khoa học
• báo cáo hóa học
• báo cáo hóa học
• công trình nghiên cứu về hóa học
• tài liệu về hóa học
• cách trình bày báo cáo
• báo cáo khoa học
• trình bày báo cáo
• tài liệu báo cáo khoa học
• báo cáo khoa học sinh học
• báo cáo khoa học nông nghiệp
• tuyển tập báo cáo khoa học
• báo cáo ngành toán học
• báo cáo ngành sinh học
• báo cáo ngành vật lý
• phân tích nhiệt
• báo cáo ngành chăn nuôi
• nghiên cứu khoa học
• cách trình bày báo cáo khoa học
• báo cáo về văn học
• báo cáo triết học
• công nghiệp hóa
• hiện đại hóa
• báo cáo ngành triết học
• báo cáo ngành lịch sử
• báo cáo ngành văn học
• phát triển kinh tế
• báo cáo ngành kỹ thuật
• báo cáo về tin học
• báo cáo tiếng anh
• báo cáo kỹ thuật
• báo cáo sinh học
• báo cáo nông nghiệp
• báo cáo văn học