STATE-SPACE MODEL WITH TIME DELAYS FOR GENE REGULATORY NETWORKS
Notice bibliographique
Résumé
A gene regulatory network can be considered a dynamic cellular system which describes the behavior (development) of a living cell and depends completely on the current internal state plus any external inputs, if these exist. Although many details inside a cell are not precisely known, gene expression data on a genome scale provide useful insights into such a cellular system. With gene expression data, a wide variety of models, such as Boolean networks and differential/difference equations, have been proposed to model gene regulatory networks. In these previously proposed models, genes are viewed as the internal state variables of a cellular system. This viewpoint has suffered from the underestimation of the model parameters. In addition, these models ignore an important problem with a gene regulatory network — time delay. Instead, this paper proposes a state-space model with time delays for gene regulatory networks. The proposed model views genes as the observation variables, whose expression values depend on the current internal state variables and any external inputs. Bayesian information criterion (BIC) and probabilistic principal component analysis (PPCA) are used to estimate the number of internal state variables and their expression profiles from gene expression data. By constructing dynamic equations with time delays for the internal state variables and the relationships between the internal state variables and the observation variables (gene expression profiles), state-space models with time delays for gene regulatory networks are constructed. The parameters of the proposed model can be unambiguously identified from time-course gene expression data with a lower computational cost. The proposed model is applied to two time-course gene expression datasets, and two gene regulatory~networks are inferred, respectively. The analysis shows that the inferred gene regulatory networks have several features of the real gene regulatory networks, such as the stability, the robustness, and the periodicity. Further, compared to state-space models without time delays, the proposed model with time delays has better prediction accuracy.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».