메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색

논문 기본 정보

자료유형
학술저널
저자정보
석호식 (강원대학교)
저널정보
한국유전학회 Genes & Genomics Genes & Genomics Vol.43 No.9
발행연도
2021.9
수록면
1,059 - 1,064 (6page)
DOI
10.1007/s13258-021-01128-6

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색

초록· 키워드

오류제보하기
Background The inherent correlations among gene expressions have received attention. Recently, it was reported that a set of approximately 1000 landmark genes can be utilized for prediction of expression of other genes (target genes). Objective The objective of this study is to predict expression values of target genes based on expression values of landmark genes. Methods A cluster-based regression method is proposed. In the proposed method, clusters are obtained from a set of training instances of a gene and an estimator is obtained per cluster. A test instance is assigned to one of clusters then a regression model corresponding to the cluster predicts expression value. Results Performance of the proposed method is measured on the GEO (Gene Expression Omnibus) expression data and the GTEx (Genotype-Tissue Expression) expression data. In terms of mean absolute error averaged across target genes, the proposed method signifcantly outperforms previous approaches in the case of the GEO expression data. Conclusions The experimental results report that the combination of clustering and regression can outperform the state-ofthe art methods such as generative adversarial networks and a gradient boosting based method.
#Clustering #Gene expression value prediction #Kernel ridge regression #Landmark gene #Performance enhancing #Regression

목차

등록된 정보가 없습니다.

참고문헌 (20)

참고문헌 신청
Bageritz J / 2019 / Gene expression atlas of a developing tissue by single cell expression correlation analysis / Nat Methods 16:750~756 google schola Bishop CM / 2006 / Pattern Recognition and Machine Learning / Springer :138~147 google schola Chen Y / 2014 / Machine learning for large-scale genomics: algorithms, models and applications google schola Chen T / 2016 / XGBoost: a scalable tree boosting system / Proc. the 22nd ACM SIGKDD :785~794 google schola Chen Y / 2016 / Gene expression inference with deep learning / Bioinformatics 32:1832~1839 google schola

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

최근 본 자료

전체보기

댓글(0)

0