×
冯、寿；傅萍；郑文斌

一种用于基因功能预测的分层多标签分类算法。 （英语） Zbl 1461.62188号

算法（巴塞尔） 10，第4号，第138号论文，第14页（2017年）.
摘要：基因功能预测是一项复杂且具有挑战性的层次多标签分类（HMC）任务，其中基因可能同时具有多种功能，并且这些功能是按层次组织的。本文基于基因本体（GO）提出了一种新的HMC算法来解决这一问题，该算法的层次结构是一个有向无环图（DAG），并且更难处理。该算法首先将HMC任务转化为一组二进制分类任务。然后，在算法中通过考虑学习过程中的层次结构，实现了两种措施来提高HMC性能。首先，提出了与SMOTE方法相关联的负实例选择策略，以缓解数据集不平衡问题。其次，引入节点交互方法来组合二值分类器的结果。它可以保证预测与层次约束一致。在基因本体论注释的八个基准酵母数据集上的实验表明，与其他最先进的算法相比，所提出的算法具有良好的性能。

MSC公司：

第62页第10页 统计学在生物学和医学中的应用；元分析
62H30型 分类和区分；聚类分析（统计方面）
92D10型 遗传学和表观遗传学

关键词：

分层多标签分类；基因本体论；基因功能预测；DAG公司

软件：

SMOTE公司
PDF格式BibTeX公司 XML格式引用
\textit{S.Feng}等人，《算法（巴塞尔）》10，第4期，论文编号138，14页（2017；Zbl 1461.62188）
全文： 内政部

参考文献：

[1] Madjarov，G。；迪米特洛夫斯基，I。；Gjorgjevikj，D。；季洛斯基，S；多标签分类中不同数据衍生标签层次的评估：Cham，瑞士，2014，19-37.
[2] 塞里·R。；巴帕，G.L。；卡瓦略，A.C.P.L.F。；Freitas，A.A。；基于决策树的层次化多标签分类方法和性能度量的扩展评估；计算。智力：2013; 第31卷，1-46页。
[3] 洛芒，L.M。；尼沃拉，J.C。；分层多标签分类问题：一种LCS方法；第十二届分布式计算和人工智能国际会议论文集：Cham，瑞士2015，97-104.
[4] Blockeel，H。；Schietgat，L。；斯特鲁伊夫，J。；季洛斯基，S。；克莱尔，A。；层次化多标签分类的决策树：功能基因组学的一个案例研究；第十届欧洲数据库知识发现原则与实践会议论文集：柏林/海德堡，德国2006，18-29.
[5] Bi，W。；郭，J.T。；贝叶斯最优层次多标签分类；IEEE传输。知识。数据工程：2015年；第27卷，2907-2918。
[6] Merschmann，L.H.D.C。；Freitas，A.A；用于预测蛋白质和基因功能的扩展局部层次分类器：德国柏林/海德堡，2013，159-171.
[7] 阿什伯恩，M。；球，C.A。；布雷克，J.A。；博茨坦，D。；巴特勒，H。；Cherry，J。；A.戴维斯。；Dolinski，K。；德怀特，S。；Eppig，J。；基因本体论：生物学统一的工具。基因本体联盟；自然遗传学：2015; 第25卷，25-29页。
[8] 阿尔维斯，R.T。；德尔加多，M.R。；Freitas，A.A；人工免疫系统蛋白质功能的多标签层次分类：柏林/海德堡，德国2008，1-12.
[9] 桑托斯，A。；卡努托，A。；半监督学习在分层多标签分类中的应用；2014年国际神经网络联合会议（IJCNN）会议记录：，872-879.
[10] 塞里·R。；巴罗斯，R.C。；de Carvalho，A。；蛋白质功能预测的层次化多标签分类：基于神经网络的局部方法；第十一届智能系统设计与应用国际会议论文集：，337-343.
[11] 拉米雷斯·科罗纳，M。；Sucar，L.E。；莫拉莱斯，E.F；树和有向非循环图层次的多标签分类：Cham，瑞士2014，409-425. ·Zbl 06386477号
[12] 阿尔维斯，R.T。；德尔加多，M.R。；Freitas，A.A。；基于人工免疫系统的蛋白质功能分层多标签分类知识发现；2010年IEEE模糊系统国际会议论文集（FUZZ）：，1-8.
[13] 文斯，C。；斯特鲁伊夫，J。；Schietgat，L。；季洛斯基，S。；Blockeel，H。；分层多标签分类的决策树；机器。学习。：2008; 第73卷，185-214·Zbl 1470.62098号
[14] 博尔赫斯，H.B。；尼沃拉，J.C。；竞争神经网络用于蛋白质功能预测的多标记层次分类；神经网络国际联合会议论文集：，1-8.
[15] 陈，B。；段，L。；胡，J。；基于复合核的SVM分层多标签基因功能分类；国际神经网络联合会议论文集：，1-6所示。
[16] 巴鲁库奥卢，Z。；夏皮雷，R。；俄勒冈州特罗扬斯卡娅。；基因功能的层次多标记预测；生物信息学：2006；第22卷，830-836。
[17] 瓦伦蒂尼，G。；用于全基因组基因功能预测的真路径规则层次集成；IEEE/ACM传输。计算。生物信息：2011; 第8卷，832-847。
[18] 罗宾逊，P.N。；Frasca，M。；科勒，S。；诺塔罗，M。；关于M。；瓦伦蒂尼，G。；DAG结构分类的层次集成方法；计算机科学讲稿：Cham，瑞士，2015；第9132卷，15-26页。
[19] Otero，F.E.B。；Freitas，A.A。；约翰逊，C.G。；一种用于蛋白质功能预测的分层多标签分类蚁群算法；梅梅特。计算：2010; 第2卷，165-181。
[20] Stojanova，D。；Ceci先生。；Malerba，D。；Dzeroski，S。；利用PPI网络自相关在层次多标签分类树中进行基因功能预测；BMC生物信息：2013; 第14卷，3955-3957。
[21] Parikesit，A.A。；斯坦纳，L。；斯塔德勒，P.F。；S.J.普罗哈斯卡。；基因组注释中确定偏差的陷阱——计算真核生物可比蛋白质结构域分布；马来人。J.芬丹。申请。科学：2014年；第10卷，64-73。
[22] 新墨西哥州查拉。；K.W.鲍耶。；洛杉矶霍尔。；Kegelmeyer，W.P。；SMOTE：合成少数人过采样技术；J.阿蒂夫。智力。研究结果：2011年；第16卷，321-357·兹比尔0994.68128
[23] 西拉，C.N。；弗雷塔斯，A.A。；跨不同应用领域的层次分类综述；数据挖掘与知识发现：2011年美国纽约州纽约市；第22卷，31-72·Zbl 1235.68190号
[24] 拉米雷斯·科罗纳，M。；Sucar，L.E。；莫拉莱斯，E.F。；基于路径评估的层次化多标签分类；国际期刊近似原因：2016; 第68卷，179-193年·Zbl 1346.68163号
[25] 丹达姆隆格维特，S。；Vateekul，P。；库巴特，M。；多标签文本分类领域中的无关属性和不平衡类；智力。数据分析：2011; 第15卷，843-859。
[26] Sun，A。；林，E.P。；刘，Y。；基于SVM的非平衡文本分类策略的比较研究；Decis公司。支持系统：2009; 第48卷，191-201。
[27] Lin，H.T。；Lin，C.J。；翁，R.C。；关于支持向量机的Platt概率输出的注记；机器。学习。：2007; 第68卷，267-276·Zbl 1471.68220号
[28] 瓦伦蒂尼，G。；蛋白质功能预测的层次集成方法；内部附表。研究编号：2014年；2014年第1-34卷。
[29] 特罗扬斯卡娅，O.G。；Dolinski，K。；A.B.欧文。；奥特曼，R.B。；博茨坦，D。；组合异质数据源进行基因功能预测的贝叶斯框架（酿酒酵母）；程序。国家。阿卡德。科学。美国：2003年；第100卷，8348-8353。
[30] 李，H。；刘，C。；比尔格（Bürge，L.）。；Ko，K.D.公司。；西南部绍瑟兰。；利用全贝叶斯网络预测蛋白质相互作用；IEEE生物信息学和生物医学研讨会国际会议记录：，544-550.
[31] 克莱尔，A。；R.D.金。；酿酒酵母基因功能预测；生物信息学：2003；第19卷，ii42-ii49。
[32] Bi，W。；郭，J.T。；基于树和DAG结构层次的多标签分类；第28届国际机器学习会议论文集：，17-24.
[33] 梁熙，C。；洪飞，L。；云翠，H。；简·W。；Y.Zhihao。；基于基因本体层次结构的基因功能预测；《公共科学图书馆·综合》：2013年；第9卷，896-906。
[34] Radivojac，P。；W.T.克拉克。；奥隆，T.R。；Schnoes，A.M。；Wittkop，T。；Sokolov，A。；格雷姆，K。；Funk，C。；Verspoor，K。；Ben-Hur，A。；计算蛋白质功能预测的大规模评估；自然方法：2013年；第10卷，221-227。
[35] Aleksovski，D。；科切夫，D。；Dzeroski，S。；功能基因组学分层多标签分类中距离测度的评价；从多标签数据学习（MLD）第一次研讨会会议记录：，5-16.
[36] 陈，Y。；李，Z。；胡，X。；刘杰。；利用动态阈值SVM集成进行基因功能预测的层次分类；第六届高级数据挖掘与应用国际会议论文集（ADMA）：，第336-347页。
[37] Vateekul，P。；库巴特，M。；Sarinnapakorn，K。；基于SVM的层次多标签分类：基因功能预测的一个案例研究；智力。数据分析：2014年；第18卷，717-738。
[38] 阿莱迪，N。；Reddy，C.K。；Fotouhi，F。；利用标签依赖进行层次化多标签分类；第十六届亚太地区知识发现和数据挖掘进展会议记录：，294-305.
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。