A 2-Level Granular Network Model for Biological Data Mining Analysis
Notice bibliographique
Résumé
The discovery of relationships between variables in a biological system is pivotal in bioinformatics and systems biology. Biological network inference is complex and new integrative techniques still need to be explored. In this thesis, a 2-level granular approach is proposed to model, analyze, and compare biological networks. The system comprises two levels of granulation with a base data layer, representing the raw data that are transformed into a common discrete type and then analyzed at the first level of analysis for pairwise relationships, based on normalized statistically significant expected mutual information (NSEMI), and at the second level of analysis for convergent associations that identify highly associative nodes based on two different measures of convergent mutual information: cumulative connectivity and high connectivity. The proposed approach is tested by using benchmark data with known network structures from Yeast and E.coli. The level 1 analysis produces predictions with accuracies above 95%. The level 2 analysis, as expected, results in significant improvements in accuracy due to significant reductions in false positives. Next, the benchmark data is applied to test two additional network discovery methods: K2 and BDeu, used for Bayesian networks. Our approach outperforms both Bayesian methods. The level 2 analysis is integrated into two well cited and adopted information based algorithms: CLR and ARACNE. The results demonstrate similar improvements in false positives and accuracy. Finally, the approach is applied to the Enviropig™ datasets, by using data collected from the muscle tissue for both transgenic and conventional samples. Analyses reveal visible differences between the sexes, as well as between the transgenic and conventional pig lines. Also, strong associations are evident among the minerals and the fatty acids, regardless of the sex and pig line. The detected association patterns are observed to be stronger among males and conventional pigs. Key Words: systems biology, granular computing, transgenic, significant expected mutual information, Enviropig™, mutual associations, convergent associations.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».