ddepn公司 swMATH ID: 14723 软件作者： Bender，C.、Heyde，S.、Henjes，F.、Wiemann，S.和Korf，U.、Beissbarth，T。 说明： 在R包ddepn中使用基于采样的方法从纵向数据推断信号网络。背景：基于高通量数据的网络推理已成为当前生物系统分析的重要手段。例如，在癌症研究中，将癌症相关蛋白的功能关系总结为信号网络，对于识别影响肿瘤发展的途径至关重要。肿瘤细胞系可以作为模型系统，以时间分辨的方式研究细胞对药物治疗的反应。基于此类数据，需要信令关系的建模方法，以便对网络中的潜在干扰点进行假设。结果：我们提出了R包“ddepn”，它实现了我们最近的网络重建方法，该方法基于网络组件外部扰动后生成的纵向数据。我们通过两种新方法扩展了我们的方法：一种是马尔可夫链蒙特卡罗方法，用于对具有两种边缘类型（激活和抑制）的网络结构进行采样，另一种是对先验模型的扩展，该模型在结合这两种类型的边缘的同时惩罚与给定参考网络的偏差。此外，作为之前的替代方案，我们包括一个学习具有无标度特性的信令网络的模型。结论：软件包“ddepn”可在R-Forge和CRAN上免费获得http://ddepn.R-Forge.R-project.org，http://CRAN.R-profile.org。它允许使用两种不同的基于采样的网络结构搜索算法方便地从纵向高通量数据进行网络推断。 主页： http://bmcbioinformatics.biomedcentral.com/articles/10.1186/1471-2105-12-291 相关软件： 单一；bn学习；BoolNet公司；UCI-毫升；麦考利2 引用于： 1文件 2位作者引用 1 伊恩·赫本·丁伍德 1 潘迪亚，克鲁蒂 连载1篇 1 统计数学研究所年鉴 在3个字段中引用 1 交换代数（13-XX） 1 统计学（62-XX） 1 生物学和其他自然科学（92-XX） 按年份列出的引文