基于EM的信号pathway重构

吉林大学学报(工学版) ›› 2010, Vol. 40 ›› Issue (05): 1303-1307.

基于EM的信号pathway重构

李艳文^{1, 2},马志强²,刘桂霞¹,周春光¹

1. 吉林大学计算机科学与技术学院|长春130012；2.东北师范大学计算机学院|长春 130117

收稿日期:2009-10-11 出版日期:2010-09-01 发布日期:2010-09-01
通讯作者: 周春光(1948-),男,教授,博士生导师.研究方向:计算智能和生物信息学.E-mail:cgzhou@jlu.edu.cn E-mail:cgzhou@jlu.edu.cn
作者简介:李艳文(1970-),女,博士研究生.研究方向:计算智能和生物信息学.E-mail:liyw085@nenu.edu.cn
基金资助:
国家自然科学基金项目（60973092, 60673099，60873146）

LI Yan-wen^1,2,MA Zhi-qiang²,LIU Gui-xia¹,ZHOU Chun-guang¹

1.Department of Computer Science and Technology, Jilin University, Changchun 130012, China；2.School of Computer, Northeast Normal University,Changchun 130117, China

Received:2009-10-11 Online:2010-09-01 Published:2010-09-01

摘要/Abstract

摘要：

提出了一种不依赖于数值数据的重构方法。以从文献中或相关数据库中搜集到的参与同一个信号pathway的各分支的基因组成为样本，在各样本中同时出现的基因一定具有相同调控顺序的前提下，建立一阶Markov链模型，利用EM算法对模型参数进行估计，挖掘出基因间的因果关系进而构建出网络的拓扑结构，弥补了许多重构算法的不足，使预测更具生物学意义。对PKA和MAPK/Erk pathway的重构实验证明了算法的有效性。

关键词: 人工智能, 网络重构, 信号转导pathway, Markov链, EM算法

Abstract:

A reconstruction method which does not depend on pure numerical data was presented. Each sample of the dataset is corresponding to a group of genes, which is contained in one pathway branch. Under the premise that genes represent indifferent samples may share the same transduction order, a firstorder Markov chain model is built; then an ExpectationMaximization (EM) algorithm is used to estimate model parameters so as to reveal the regulative among genes; finally, the network topology is reconstructed according to the above results. The proposed method can compensate the insufficiency of many reconstruction algorithms and has more biological significance. The effectiveness of the algorithm is validated by reconstruction of Protein Kinase A (PKA) and MitogenActivated Protein Kinase (MAPK)/Extracellular signalregulated Kinase (ERK) pathways.

Key words: artificial intelligence, network reconstruction, signaling pathway, markov chain, EM algorithm

中图分类号:

TP18

李艳文, 马志强, 刘桂霞, 周春光. 基于EM的信号pathway重构[J]. 吉林大学学报(工学版), 2010, 40(05): 1303-1307.

LI Yan-Wen, MA Zhi-Qiang, LIU Gui-Xia, ZHOU Chun-Guang. null[J]. 吉林大学学报(工学版), 2010, 40(05): 1303-1307.

参考文献

相关文章 15

[1]	苏寒松,代志涛,刘高华,张倩芳. 结合吸收Markov链和流行排序的显著性区域检测[J]. 吉林大学学报(工学版), 2018, 48(6): 1887-1894.
[2]	董飒, 刘大有, 欧阳若川, 朱允刚, 李丽娜. 引入二阶马尔可夫假设的逻辑回归异质性网络分类方法[J]. 吉林大学学报(工学版), 2018, 48(5): 1571-1577.
[3]	顾海军, 田雅倩, 崔莹. 基于行为语言的智能交互代理[J]. 吉林大学学报(工学版), 2018, 48(5): 1578-1585.
[4]	王旭, 欧阳继红, 陈桂芬. 基于垂直维序列动态时间规整方法的图相似度度量[J]. 吉林大学学报(工学版), 2018, 48(4): 1199-1205.
[5]	张浩, 占萌苹, 郭刘香, 李誌, 刘元宁, 张春鹤, 常浩武, 王志强. 基于高通量数据的人体外源性植物miRNA跨界调控建模[J]. 吉林大学学报(工学版), 2018, 48(4): 1206-1213.
[6]	黄岚, 纪林影, 姚刚, 翟睿峰, 白天. 面向误诊提示的疾病-症状语义网构建[J]. 吉林大学学报(工学版), 2018, 48(3): 859-865.
[7]	李雄飞, 冯婷婷, 骆实, 张小利. 基于递归神经网络的自动作曲算法[J]. 吉林大学学报(工学版), 2018, 48(3): 866-873.
[8]	刘杰, 张平, 高万夫. 基于条件相关的特征选择方法[J]. 吉林大学学报(工学版), 2018, 48(3): 874-881.
[9]	王旭, 欧阳继红, 陈桂芬. 基于多重序列所有公共子序列的启发式算法度量多图的相似度[J]. 吉林大学学报(工学版), 2018, 48(2): 526-532.
[10]	杨欣, 夏斯军, 刘冬雪, 费树岷, 胡银记. 跟踪-学习-检测框架下改进加速梯度的目标跟踪[J]. 吉林大学学报(工学版), 2018, 48(2): 533-538.
[11]	刘雪娟, 袁家斌, 许娟, 段博佳. 量子k-means算法[J]. 吉林大学学报(工学版), 2018, 48(2): 539-544.
[12]	曲慧雁, 赵伟, 秦爱红. 基于优化算子的快速碰撞检测算法[J]. 吉林大学学报(工学版), 2017, 47(5): 1598-1603.
[13]	李嘉菲, 孙小玉. 基于谱分解的不确定数据聚类方法[J]. 吉林大学学报(工学版), 2017, 47(5): 1604-1611.
[14]	邵克勇, 陈丰, 王婷婷, 王季驰, 周立朋. 无平衡点分数阶混沌系统全状态自适应控制[J]. 吉林大学学报(工学版), 2017, 47(4): 1225-1230.
[15]	王生生, 王创峰, 谷方明. OPRA方向关系网络的时空推理[J]. 吉林大学学报(工学版), 2017, 47(4): 1238-1243.

Metrics

Viewed

Full text

Abstract

Cited

Shared

Discussed