RSIR

RSIR:用于母题发现的正则化切片逆回归。动机:识别转录因子结合基序(TFBMs)是理解控制基因表达的调控回路的关键第一步。在本文中,我们提出了一种新的识别TFBMs的方法,称为正则切片逆回归(RSIR)。RSIR遵循最近的趋势,将基因表达测量和基因启动子序列中包含的信息结合起来。与现有方法相比,RSIR算法计算效率高,对高维、高共线数据非常稳定,避免了不适当的模型描述,提高了motif检测的灵敏度和特异性。结果:将RSIR与SIR及基于模拟数据的逐步回归进行比较,发现RSIR具有较低的假阳性率。我们还通过将RSIR应用于酵母氨基酸饥饿数据和细胞周期数据,证明了RSIR的优良性能。可用性:Matlab程序可根据作者的要求提供。


zbMATH参考文献(15篇文章引用)

显示第1到15个结果,共15个。
按年份排序(引用)

  1. 王涛;陈梦洁;赵宏宇;朱立星:高维广义回归的稀疏约化估计(2018)
  2. Liu,Yang;Chiaromonte,Francesca;Li,Bing:结构化普通最小二乘法:带分区预测因子和异质单元回归的充分降维方法(2017)
  3. Adragni,Kofi P.;Karmakar,Moumita:高维复杂数据中变量选择的序贯检验(2015)
  4. Fan,Jianqing;Ke,Zheng Tracy;Liu,Han;Xia,Lucy:QUADRO:一种基于瑞利商优化的监督降维方法(2015)
  5. 函数降维与多重收敛(函数降维:2015)
  6. Chavent,Marie;Girard,Stéphane;Kuentz Simonet,Vanessa;Liquet,Benoit;Nguyen,Thi Mong Ngoc;Saracco,Jérôme:数据流的切片逆回归方法(2014)
  7. 蒋波;刘俊S.:基于切片逆回归的一般指数模型变量选择(2014)
  8. 于,岳;陈志红;杨杰:基于聚类的正则切片逆回归预测宏观经济变量(2014)
  9. 吴强;梁,峰;慕克吉,萨扬:核切片逆回归:正则化与一致性(2013)
  10. 姚伟亭;吴汉明:非线性流形学习的等距切片逆回归(2013)
  11. 李业华;邢泰伦:确定函数和高维数据有效降维空间的维数(2010)
  12. 温雪荣:协变量比例审查模型的充分降维(2010)
  13. Yoo,Jae-Keun;Patterson,Becky S.;Datta,Susmita:基于OLS的单指数模型预测组蛋白乙酰化水平转录率的预测检验(2009)
  14. Bernard Michel,C.;Gardes,L.;Girard,S.:关于带正则化的切片逆回归的注记(2008)
  15. 李立新;尹向荣:正则化切片逆回归(2008)