Integracija strukturnih omejitev pri izpeljavi gensko regulatornih omrežij

  • Žiga Pušnik Univerza v Ljubljani, Fakulteta za računalništvo in informatiko, Večna pot 113, Ljubljana
  • Miha Moškon Univerza v Ljubljani, Fakulteta za računalništvo in informatiko, Večna pot 113, Ljubljana
Ključne besede: gensko regulatorna omrežja, inferenca omrežij, integracija strukturnih podatkov, referenčna omrežja

Izvleček

Inferenca gensko regulatornih omrežij (GRO) iz ekspresijskih podatkov je še vedno težak problem. Število genov je velikokrat večje od števila poskusov, kjer gensko izražanje še dodatno spremlja določena mera šuma. Zato predlagamo uporabo strukturnih omejitev pri izpeljavi GRO na podlagi predhodnega znanja v obliki referenčnih omrežij. Naša ideja izvira iz dejstva, da vsebujejo GRO vzorce, tako imenovane motive, ki se pojavljajo bistveno pogosteje, kot bi to pričakovali v naključno generiranih omrežjih. Uporabo predhodnega znanja dosežemo s spreminjanjem uteži posameznega gena v cenovni funkciji linearne regresije. Uteži spreminjamo iterativno z gradientnim spustom. Naš pristop temelji na že uveljavljeni parcialno korelacijski metodi SPACE. S spreminjanjem uteži na podlagi prisotnosti motivov, porazdelitve stopenj genov in pričakovanega števila regulatornih genov za odtenek izboljšamo točnost, natančnost, priklic in F 1 oceno omrežij izpeljanih iz GRO bakterije E. coli.

Biografije avtorjev

Žiga Pušnik, Univerza v Ljubljani, Fakulteta za računalništvo in informatiko, Večna pot 113, Ljubljana
Žiga Pušnik je asistent in doktorski študent na Fakulteti za računalništvo in informatiko Univerze v Ljubljani. Njegovi raziskovalni interesi so računska in sintezna biologija, strojno učenje in inferenca omrežij. Trenutno poučuje v okviru predmetov Osnove digitalnih vezij in Računalniška arhitektura
Miha Moškon, Univerza v Ljubljani, Fakulteta za računalništvo in informatiko, Večna pot 113, Ljubljana
Miha Moškon je izredni profesor na Fakulteti za računalništvo in informatiko Univerze v Ljubljani. Raziskovalno se ukvarja z vzpostavitvijo in uporabo metod za računsko-podprto modeliranje in analizo bioloških sistemov na področju sistemske biologije in medicine ter za računsko-podprto snovanje bioloških sistemov na področju sintezne biologije.
Objavljeno
2021-03-11
Sekcija
Kratki znanstveni prispevki