动态传感器选择用于生物标志物发现
Joshua Pickard1, Cooper Stansbury1, Amit Surana2
1Department of Computational Medicine & Bioinformatics, University of Michigan, Ann Arbor, MI 48109.
概括
可观察性理论为从复杂数据中选择生物标记物 (生物标记物) 提供了一种新方法. 这种方法可以在各种应用中识别有意义的生物传感器,从生物制造到神经系统.
科学领域:
- 系统生物学 系统生物学
- 生物技术是生物技术.
- 数据科学数据科学数据科学
背景情况:
- 生物技术允许高分辨率的生物系统监测.
- 从大型数据集中识别相关的生物标志物是一项挑战.
- 经典的生物标志物选择方法与复杂的生物数据作斗争.
研究的目的:
- 开发一种使用可观测性理论进行生物标志物选择的一般方法.
- 在时间序列数据中识别具有生物意义的传感器.
- 将生物标志物发现扩展到多种数据模式和动态系统.
主要方法:
- 对生物标志物选择的可观察性理论的应用.
- 引入动态传感器选择以适应不断变化的系统动态.
- 转录学和染色体构造数据的整合.
- 使用神经活动数据 (电影,EEG) 的评估.
主要成果:
- 可观测性在转录组学数据中成功识别了生物学上有意义的传感器.
- 动态传感器选择增强了在变化的生物系统中的可观测性.
- 该框架在各种数据类型和系统中展示了广泛的适用性.
- 对农业,生物制造和神经系统数据的成功应用.
结论:
- 可观测性理论为生物标志物发现提供了一个强大的框架.
- 动态传感器选择方法解决了生物系统的可变性.
- 这种方法为各种科学领域的生物标志物识别提供了多功能工具.
