×
斯特凡诺·莫雷蒂；菲奥拉万特赞助人；斯特凡诺·博纳西

微阵列游戏的类别和基因的相关指数。 （英语） Zbl 1134.91322号

顶部 15，第2期，256-280（2007）.
小结：现在，微阵列技术可以产生大量关于基因表达的信息。必须对这些信息进行统计处理和分析，特别是识别那些对特定疾病的诊断和预后有用的基因。我们讨论了将游戏理论工具（如Shapley值）应用于基因表达数据分析的可能性。通过“截断”技术，我们构建了一个联盟博弈，其目的是强调基因组与我们感兴趣的特定疾病的相关性（“充分性”）。该博弈的Shapley值用于选择那些值得进一步研究的基因。为了证明在这种情况下使用Shapley值的合理性，我们使用带有遗传解释的属性来公理地描述它。

引用于2评论
引用于16文件

MSC公司：

91年12月 合作游戏
91A80型 博弈论的应用
92B15号机组 普通生物统计学
92C40型 生物化学、分子生物学

关键词：

联盟博弈；夏普里值；功率指数；基因表达；微阵列

软件：

山姆；对；RankGene公司；生物导体
PDF格式BibTeX公司 XML格式引用
\textit{S.Moretti}等人，前15名，第2号，256--280（2007年；Zbl 1134.91322）
全文： 内政部 链接

参考文献：

[1] Alon U、Barkai N、Notterman DA、Gish K、Ybara S、Mack D、Levine AJ（1999）通过寡核苷酸阵列探测的肿瘤和正常结肠组织的聚类分析揭示了广泛的基因表达模式。美国国家科学院院刊96:6745–6750·doi:10.1073/美国国家统计局.96.12.6745
[2] Banzhaf JF III（1965）加权投票不起作用：一种博弈论方法。罗格斯法律修订版19:317–343
[3] Becquet C、Blachon S、Jeudy B、Boulicaut JG、Gandrillon O（2002）《大规模基因表达数据分析的强关联规则挖掘：人类SAGE数据的案例研究》。基因组生物学3（12）
[4] Bower JM，Bolouri H（eds）（2001）遗传和生物化学网络的计算建模计算分子生物学系列。麻省理工学院出版社，剑桥
[5] Branzei R，Moretti S，Norde H，Tijs S（2004）最小成本生成树情况下成本分担的P值。理论决策56:47–61·Zbl 1127.91316号 ·doi:10.1007/s11238-004-5635-5
[6] Dudoit S，Fridland J（2003）微阵列实验中的分类。In：Speed TP（ed）基因表达微阵列数据的统计分析。Chapman&Hall/CRC，伦敦/博卡拉顿，第93–158页
[7] Dudoit S，Yang YH，Luu P，Speed TP（2001）cDNA微阵列数据的归一化。发表于：Bittner ML、Chen Y、Dorsel AN、Dougherty ER（编辑）《微阵列：光学技术和信息学》。SPIE会议记录，第4266卷，第141-152页
[8] Fragnelli V，Moretti S（2007）基因表达数据分析中分类问题的博弈论方法。计算数学应用，doi:10/1016/j.camwa.2006.12.088·Zbl 1153.91322号
[9] Fujarewicz K，Wiench M（2003）选择差异表达基因进行结肠肿瘤分类。国际应用数学与计算科学杂志13（3）：327–335·2018年10月35日
[10] RC、Carey VJ、Bates DM、Bolstad B、Dettling M、Dudoit S、Ellis B、Gautier L、Ge Y、Gentry J、Hornik K、Hothorn T、Huber W、Iacus S、Irizarry R、Leich F、Li C、Maechler M、Rossini AJ、Sawitzki G、Smith C、Smiths G、Tierney L、Yang JYH、Zhang J（2004）《生物导体：计算生物学和生物信息学的开放软件开发》。基因组生物学5:80，http://genomebiology.com/2004/5/10/R80 ·doi:10.1186/gb-2004-5-10-r80
[11] Golub T、Slonim D、Tamayo P、Huard C、Gaasenbeek M、Mesirov J、Coller H、Loh M、Downing J、Caligiuri M、Bloomfield C、Lander E（1999）《癌症的分子分类：通过基因表达监测进行类别发现和预测》，《科学》286:531–537·doi:10.1126/science.286.5439.531
[12] Grabisch M，Roubens M（1999）合作博弈中参与者之间交互概念的公理方法。国际J博弈论28:547–565·Zbl 0940.91011号 ·doi:10.1007/s001820050125
[13] Jager J（2006）从全基因组衍生小型诊断生物标志物面板。马克斯·普朗克分子遗传学研究所博士论文
[14] Kalai E，Samet D（1988）加权Shapley值。收录于：Roth A（ed）The Shapley value，纪念Lloyd S.Shapley的文章。剑桥大学出版社，剑桥，第83–100页
[15] Kasahara M、Takahashi Y、Nagata T、Asai S、Eguchi T、Ishii Y、Fujii M、Ishikawa K（2000），胸苷酸合成酶的表达与结肠癌中E2F1的表达密切相关。临床癌症研究6:2707–2711
[16] Kaufman A、Kupiec M、Ruppin E（2004）多基因敲除遗传网络分析：Rad6示例。收录：2004年IEEE计算系统生物信息学会议论文集（CSB'04），2004年8月16-19日，加利福尼亚州斯坦福德
[17] Keinan A、Sandbank B、Hilgetag CC、Meilijson I、Ruppin E（2004）《人工和生物网络功能贡献的公平归因》。神经计算16（9）：1887–1915·Zbl 1086.68570号 ·doi:10.1162/0899766041336387
[18] Moler EJ，Chow，ML，Mian IS（2000）使用生成和判别方法分析分子剖面数据。生理基因组学4:109–126
[19] Moretti S（2006a）博弈论应用于基因表达分析。意大利热那亚大学博士论文·Zbl 1175.91023号
[20] Moretti S（2006b）最小成本生成树游戏和基因表达数据分析。在：ACM国际会议程序系列，第199页
[21] Owen G（1995）《博弈论》，第三版。圣地亚哥学术·Zbl 1284.91004号
[22] Parmigiani G，Garret ES，Irizarry RA，Scott SL（2003）《基因表达数据分析：方法和软件概述》。收录：Parmigiani G，Garret ES，Irizarry RA，Zeger SL（eds）基因表达数据分析：方法和软件。纽约州施普林格·Zbl 1012.00021号
[23] R开发核心团队（2004）R：统计语言和环境。R统计计算基金会，奥地利维也纳，2004年，ISBN 3-900051-00-3，网址：http://www.R-project.org
[24] Ramamurthy KG（1990）连贯结构和简单游戏。多德雷赫特Kluwer学院·Zbl 0738.90093号
[25] Shapley LS（1953）n人游戏的值。收录：Kuhn HW，Tucker AW（编辑）对博弈论的贡献II。《数学研究年鉴》，第28卷。普林斯顿大学出版社，普林斯顿，第307–317页
[26] Shapley LS，Shubik M（1954）评估委员会系统中权力分配的方法。美国政治科学评论48:787–792·doi:10.2307/1951053
[27] Smith K，Speed T（2003）cDNA微阵列数据的标准化。方法31:265–273·doi:10.1016/S1046-2023（03）00155-5
[28] Storey JD，Tibshirani R（2003）检测DNA微阵列中差异基因表达的SAM阈值和错误发现率。收录：Parmigiani G，Garret ES，Irizarry RA，Zeger SL（eds）基因表达数据分析：方法和软件。纽约州施普林格
[29] Su Y，Murali TM，Pavlovic V，Schaffer M，Kasif S（2003）RankGene:基于表达数据的诊断基因识别。生物信息学19（12）：1578–1579·doi:10.1093/bioinformatics/btg179
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。