論文の概要: A Novel Granular-Based Bi-Clustering Method of Deep Mining the
Co-Expressed Genes
- arxiv url: http://arxiv.org/abs/2005.05519v1
- Date: Tue, 12 May 2020 02:04:40 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-03 18:32:01.675364
- Title: A Novel Granular-Based Bi-Clustering Method of Deep Mining the
Co-Expressed Genes
- Title(参考訳): 複合発現遺伝子の深部マイニングのためのグラニュラーバイクラスタリング法
- Authors: Kaijie Xu, Witold Pedrycz, Zhiwu Li, Yinghui Quan, and Weike Nie
- Abstract要約: ビクラスタリング法は、サンプル(遺伝子)のサブセットが試験条件下で協調的に制御されるバイクラスタをマイニングするために用いられる。
残念ながら、従来の二クラスタ法はそのような二クラスタを発見するのに完全には効果がない。
本稿では,グラニュラーコンピューティングの理論を取り入れた新しい2クラスタリング手法を提案する。
- 参考スコア(独自算出の注目度): 76.84066556597342
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Traditional clustering methods are limited when dealing with huge and
heterogeneous groups of gene expression data, which motivates the development
of bi-clustering methods. Bi-clustering methods are used to mine bi-clusters
whose subsets of samples (genes) are co-regulated under their test conditions.
Studies show that mining bi-clusters of consistent trends and trends with
similar degrees of fluctuations from the gene expression data is essential in
bioinformatics research. Unfortunately, traditional bi-clustering methods are
not fully effective in discovering such bi-clusters. Therefore, we propose a
novel bi-clustering method by involving here the theory of Granular Computing.
In the proposed scheme, the gene data matrix, considered as a group of time
series, is transformed into a series of ordered information granules. With the
information granules we build a characteristic matrix of the gene data to
capture the fluctuation trend of the expression value between consecutive
conditions to mine the ideal bi-clusters. The experimental results are in
agreement with the theoretical analysis, and show the excellent performance of
the proposed method.
- Abstract(参考訳): 従来のクラスタリング法は、遺伝子表現データの巨大で異質なグループを扱う場合に限られており、これは双方向クラスタリング法の開発を動機付けている。
ビクラスタリング法は、サンプル(遺伝子)のサブセットが試験条件下で協調的に制御されるバイクラスタをマイニングするために用いられる。
バイオインフォマティクス研究において、遺伝子発現データから類似の変動度を持つ一貫した傾向と傾向の2クラスターの採掘が不可欠であることが示されている。
残念ながら、従来の二クラスタ法はそのような二クラスタを発見するのに完全には効果がない。
そこで本研究では,グラニュラーコンピューティングの理論を取り入れた新しい二クラスタリング手法を提案する。
提案手法では、時系列の群と見なされる遺伝子データ行列を、順序づけられた一連の情報顆粒に変換する。
情報グラニュラーを用いて、遺伝子データの特性行列を構築し、連続した条件間の表現値の変動傾向を捉え、理想的な二クラスターをマイニングする。
実験結果は理論解析と一致し,提案手法の優れた性能を示す。
関連論文リスト
- Single-Cell Deep Clustering Method Assisted by Exogenous Gene
Information: A Novel Approach to Identifying Cell Types [50.55583697209676]
我々は,細胞間のトポロジ的特徴を効率的に捉えるために,注目度の高いグラフオートエンコーダを開発した。
クラスタリング過程において,両情報の集合を統合し,細胞と遺伝子の特徴を再構成し,識別的表現を生成する。
本研究は、細胞の特徴と分布に関する知見を高め、疾患の早期診断と治療の基礎となる。
論文 参考訳(メタデータ) (2023-11-28T09:14:55Z) - A Novel Fuzzy Bi-Clustering Algorithm with AFS for Identification of
Co-Regulated Genes [0.799536002595393]
本稿では,共制御遺伝子を同定するファジィ・ビクラスタリングアルゴリズムを提案する。
提案アルゴリズムは、遺伝子発現データの事前知識なしに、協調制御された遺伝子を効果的に検出することができる。
論文 参考訳(メタデータ) (2023-02-03T08:35:49Z) - Uniform tensor clustering by jointly exploring sample affinities of
various orders [37.11798745294855]
複数サンプルの親和性を利用してサンプル近接を特徴付ける統一テンソルクラスタリング法(UTC)を提案する。
UTCは、高次元データを処理する際に異なる順序親和性を利用することによりクラスタリングを強化することが確認される。
論文 参考訳(メタデータ) (2023-02-03T06:43:08Z) - Bregman Power k-Means for Clustering Exponential Family Data [11.434503492579477]
我々は、ブレグマン発散の下でのハードクラスタリングに関する古典的な研究のアルゴリズム的進歩を橋渡しする。
ブレグマン発散のエレガントな性質は、単純で透明なアルゴリズムで閉形式更新を維持できる。
シミュレーション実験の徹底的な実証分析と降雨データに関するケーススタディを考察し,提案手法はガウス以外の様々なデータ設定において,既存のピア手法よりも優れていることを示した。
論文 参考訳(メタデータ) (2022-06-22T06:09:54Z) - Heterogeneous Graph Neural Networks using Self-supervised Reciprocally
Contrastive Learning [102.9138736545956]
不均一グラフニューラルネットワーク(HGNN)は異種グラフのモデリングと解析において非常に一般的な手法である。
我々は,ノード属性とグラフトポロジの各ガイダンスに関する2つの視点を取り入れた,新規で頑健なヘテロジニアスグラフコントラスト学習手法であるHGCLを初めて開発する。
この新しいアプローチでは,属性とトポロジに関連情報を別々にマイニングする手法として,異なるが最も適した属性とトポロジの融合機構を2つの視点に適用する。
論文 参考訳(メタデータ) (2022-04-30T12:57:02Z) - Clustering Ensemble Meets Low-rank Tensor Approximation [50.21581880045667]
本稿では,複数のクラスタリングを組み合わせ,個々のクラスタリングよりも優れたパフォーマンスを実現するクラスタリングアンサンブルの問題について検討する。
本稿では,この問題をグローバルな視点から解くために,新しい低ランクテンソル近似法を提案する。
7つのベンチマークデータセットを用いた実験の結果,提案手法は12の最先端手法と比較して,クラスタリング性能のブレークスルーを達成した。
論文 参考訳(メタデータ) (2020-12-16T13:01:37Z) - Object-Attribute Biclustering for Elimination of Missing Genotypes in
Ischemic Stroke Genome-Wide Data [2.0236506875465863]
欠落した遺伝子型は、一般的な疾患や形質の遺伝的変異を識別するための機械学習アプローチの有効性に影響を与える可能性がある。
この問題は、異なるDNAマイクロアレイで異なる実験から遺伝子型データを収集する際に起こり、それぞれが無名(欠失)遺伝子型のパターンによって特徴づけられる。
我々は、オブジェクト-属性・ビクラスタのよく発達した概念と、二項関係の密接な部分関係に対応する形式的概念を用いる。
論文 参考訳(メタデータ) (2020-10-22T12:27:43Z) - Conjoined Dirichlet Process [63.89763375457853]
我々はディリクレ過程に基づく新しい非パラメトリック確率的ビクラスタリング法を開発し、列と列の双方に強い共起を持つビクラスタを同定する。
本手法はテキストマイニングと遺伝子発現解析の2つの異なる応用に適用し,既存の手法に比べて多くの設定でビクラスタ抽出を改善することを示す。
論文 参考訳(メタデータ) (2020-02-08T19:41:23Z) - Clustering Binary Data by Application of Combinatorial Optimization
Heuristics [52.77024349608834]
本稿では,2値データのクラスタリング手法について検討し,まず,クラスタのコンパクトさを計測するアグリゲーション基準を定義した。
近隣地域と人口動態最適化メタヒューリスティックスを用いた5つの新しいオリジナル手法が導入された。
準モンテカルロ実験によって生成された16のデータテーブルから、L1の相似性と階層的クラスタリング、k-means(メドイドやPAM)の1つのアグリゲーションの比較を行う。
論文 参考訳(メタデータ) (2020-01-06T23:33:31Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。