Loading...

Inferring Gene Regulatory Networks, Using Machine Learning Approaches

Gheiby, Sanaz | 2012

1768 Viewed
  1. Type of Document: M.Sc. Thesis
  2. Language: Farsi
  3. Document No: 43503 (19)
  4. University: Sharif University of Technology
  5. Department: Computer Engineering
  6. Advisor(s): Manzuri, Mohammad Taghi
  7. Abstract:
  8. Gene regulatory network consists of a set of genes; interacting with each other via their protein products. Such interations lead to the regulation of the genes’ production rate. A breakdown in the regulatory process, may lead to some kinds of diseases. Therefore, understanding the gene regulatory process, is beneficial for both diagnosis and treatment. In this thesis, gene regulatory networks are modeled by the means of dynamic Bayesian networks. We have used sampling based methods, in order to learn the network structure. As these methos have a very high computational cost; we have used a correlation test to prune the search space. This way, an undirected network skeleton is obtained; for which we further estimate the edge directions by sampling methods. As the simulation results demonstrait, the proposed method has improved the recently proposed algorithms, in terms of speed and/or correctness.
  9. Keywords:
  10. Machine Learning ; Gene Regulation ; Dynamic Bayesian Network ; Gene Regulatory Networks

 Digital Object List

 Bookmark

  • معرفی شبکه های تنظیمی ژنتیکی و کاربردهای آنها
    • مقدمه
    • پروتئینها : بلوک های سازنده ی زندگی
    • بیان ژن
    • شبکه های تنظیمی ژنتیکی
    • تعریف مساله
    • چالش ها
    • کلیات راهکار پیشنهادی
    • ساختار پایان نامه
  • مروری بر کارهای پیشین
    • توپولوژی
    • دیدگاه های مختلف، درمورد شبکه های تنظیمی ژنتیکی
      • مدل های فیزیکی در مقابل مدل های ترکیبی
      • مدل های استاتیک در مقابل مدل های دینامیک
      • مدل های قطعی در مقابل مدل های تصادفی
    • مدل های موجود برای شبکه های ژنتیکی
      • مدل های مبتنی بر نظریه ی اطلاعات
      • مدل های مبتنی بر تست های همبستگی
      • شبکه های بیزین
      • مدل های معادلات دیفرانسیل
    • نتیجه گیری
  • یادگیری ساختار شبکه های بیزین
    • روش های مبتنی بر محدودیت
    • روشهای مبتنی بر امتیاز و جستجو
      • شبکه های بیزین معادل
      • توابع امتیاز مبتنی بر تخمین بیشترین شباهت
      • توابع امتیاز مبتنی بر قانون بیز
      • جستجو در فضای ساختارها
    • یادگیری ساختار شبکه بیزین در حضور متغیرهای مخفی
    • یادگیری ساختار شبکه های بیزین با استفاده از تعدادی مجموعه داده ی متفاوت
    • نتیجه گیری
  • روش پیشنهادی
  • نتایج شبیه سازی
    • مجموعه داده ها
    • معیارهای ارزیابی
    • ارزیابی روش پیشنهادی
      • جداول ارزیابی
      • تحلیل نتایج
  • جمع بندی و کارهای آینده
...see more