使用低级潜在表示学习和扰动定理的子空间学习:无监督基因选择理论
Amir Moslemi1, Fariborz Baghaei Naeini2
1Department of Physics, Toronto Metropolitan University, Ontario, Canada; School of Software Design & Data Science, Seneca Polytechnic, Toronto, ON, M4N 3M5, Canada; Physical Sciences, Sunnybrook Health Sciences Centre, Toronto, ON, M4N 3M5, Canada.
Computers in biology and medicine
|December 15, 2024
概括
这项研究引入了一种新的无监督特征选择方法,使用伪标签和扰乱理论来获得高维基因表达数据. 该方法提高了聚类准确性和相互信息,优于现有方法.
科学领域:
- 计算生物学 计算生物学
- 机器学习 机器学习
- 生物信息学是一种生物信息学.
背景情况:
- 基因表达数据分析在机器学习和计算生物学中至关重要.
- 高维数据集 (比样本更多的特征) 带来了诸如不良系统和低于最佳算法性能等挑战.
- 由于其可解释性,特征选择优先于特征提取.
研究的目的:
- 提出一种新的无监督特征选择方法.
- 为应对高维基基因表达数据分析方面的挑战.
- 为了提高功能选择的性能和可解释性.
主要方法:
- 基于伪标签的无监督特征选择隐藏的表示学习和扰乱理论.
- 伪标签提取通过隐藏的表示学习.
- 使用k-means基于数据矩阵相似性和信息获取等级的聚类特征.
主要成果:
- 拟议的方法在基准微阵列和RNA测序数据集上进行了评估.
- 与八种最先进的方法相比,数值实验显示出更高的性能.
- 评估的关键指标包括聚类准确性和规范化的相互信息.
结论:
- 开发的无监督特征选择技术有效地处理高维基因表达数据.
- 该方法在聚类准确性和规范化的相互信息方面取得了显著的改进.
- 这种方法为基因表达数据分析提供了强大的和可解释的解决方案.
相关概念视频
01:16In-vitro Mutagenesis
13.8K
To learn more about the function of a gene, researchers can observe what happens when the gene is inactivated or “knocked out,” by creating genetically engineered knockout animals. Knockout mice have been particularly useful as models for human diseases such as cancer, Parkinson’s disease, and diabetes.
13.8K
02:15Experimental RNAi
6.0K
RNA interference (RNAi) is a cellular mechanism that inhibits gene expression by suppressing its transcription or activating the RNA degradation process. The mechanism was discovered by Andrew Fire and Craig Mello in 1998 in plants. Today, it is observed in almost all eukaryotes, including protozoa, flies, nematodes, insects, parasites, and mammals. This precise cellular mechanism of gene silencing has been developed into a technique that provides an efficient way to identify and determine the...
6.0K