摘要
背景
结果
结论
背景
结果
-
增长-收缩算法(GS)[ 21 ]:GS基于增长-收缩马尔可夫毯,这是第一个(也是最简单的)马尔可夫地毯检测算法。 -
增量关联马尔可夫覆盖算法(IAMB)[ 22 ]:IAMB基于马尔可夫覆盖检测算法。 它使用两阶段选择方案。 前向选择,然后尝试删除误报,误报可扩展到数千个变量。 -
快速增量关联马尔可夫覆盖算法(Fast-IAMB)[ 23 ]:Fast-IAMB是IAMB的变体,它使用推测性逐步向前选择来减少条件独立性测试的数量。 -
交错增量关联马尔可夫覆盖算法(Inter-IAMB)[ 22 ]:Inter-IAMB是IAMB的另一个变体,它使用正向逐步选择来避免马尔可夫覆盖检测阶段的误报。 尽管它通常需要比其他IAMB变体更多的条件测试,但它仍然能够扩展到数千个变量,同时保持对误报的鲁棒性。 -
最大最小父子算法(MMPC)[ 24 ]:MMPC是一种基于最小关联测度最大化的邻域检测前向选择技术。 它学习贝叶斯的基本结构。
结论
工具书类
Subramanian A, 等 .: 基因集富集分析:解释全基因组表达谱的基于知识的方法。 美国国家科学院程序 2005, 102 (43):15545–50. 10.1073/pnas.0506580102 碳硫, 等 .: AmiGO:在线访问本体和注释数据。 生物信息学 2009, 25 (2):288–9. 10.1093/生物信息学/btn615 周, 等 .: 通过非经典Wnt信号调节形态发生需要ATF/CREB家族介导的TGFβ2转录激活。 自然遗传学 2007, 39: 1225–1234. 2038/ng2112年10月10日 萨克斯K, 等 .: 多参数单细胞数据衍生的因果蛋白质信号网络。 科学类 2005, 308: 523–529. 10.1126/科学1105809 珍珠J: 因果关系:模型、推理和推理。 剑桥大学出版社; 2000 McAdams H,H Arkin亚太地区: 纳米摩尔级的基因调控:这是一个喧闹的行业! 遗传趋势 1999, 15 (2) :65–69。 10.1016/S0168-9525(98)01659-X 弗里德曼·N, 等 .: 贝叶斯网络数据分析:一种自举方法。 第十五届人工智能不确定性大会 1999, 196–205. 弗里德曼·N, 等 .: 使用贝叶斯网络分析表达式数据。 计算生物学杂志 2000, 7: 601–620. 10.1089/106652700750050961 马德拉斯N, 等 .: 通过回顾性分析单祖细胞衍生群体中的基因表达谱模拟干细胞发育。 干细胞 2002, 20: 230–240. 10.1634/段.20-3230 Nagarajan R、, 等 .: 通过克隆分析建立遗传网络模型。 《Theor生物学杂志》 2004, 230 (3):359–73. 2016年10月10日/j.jtbi.2004.05.008 哈丁克A: Java对象贝叶斯网络推理(BANJO)。 [ 网址:http://www.cs.duke.edu/ ~amink/软件/ ] 墨菲K: 用于MATLAB的Bayes NET工具箱。 [ 网址:http://www.cs.ubc.ca/ ~murphyk/Software/BNT/BNT.html ] 陈X, 等 .: BNArray:一种利用贝叶斯网络从微阵列数据构建基因调控网络的R包。 生物信息学 2006, 22 (23):2952–4. 10.1093/生物信息学/btl491 R开发核心团队: R: 用于统计计算的语言和环境。 R统计计算基金会; 2008 Kim H, 等 .:DNA微阵列基因表达数据的缺失值估计:局部最小二乘插补。 生物信息学 2005, 21 (2):187–198. 10.1093/生物信息学/bth499 Böttcher SG,Dethlefsen C: 交易:学习贝叶斯网络的软件包。 J Stat软件 2003, 8: 1–40. 巴兹堡JH: DynamicGraph,CRAN包,0.2.2.5 . 2009. 胡赫, 等 .: 跨大规模生物网络挖掘相干稠密子图以进行功能发现。 生物信息学 2005, 21 (补充):i213-i221。 10.1093/生物信息学/bti1049 Hastie T、Tibshirani R、Sherlock G、Eisen M、Brown P、Botstein D: 为基因表达阵列计算缺失数据 斯坦福大学统计系技术报告; 1999 Scutari M公司: bnlearn:贝叶斯网络结构学习,1.3版,CRAN包 . 2008. 玛格丽蒂斯D: 从数据中学习贝叶斯网络模型结构。 卡内基梅隆大学计算机科学学院博士论文,宾夕法尼亚州匹兹堡,2003年。 技术报告CMU-CS-03–153 Tsamardinos一世, 等 .: 大规模马尔可夫覆盖发现算法。 第十六届国际佛罗里达人工智能研究会会议记录 2003, 376–381. Yaramakala S、Margaritis D: 最优特征选择的推测马尔可夫覆盖发现。 第五届IEEE数据挖掘国际会议记录 2005年,809–812。 全文(_T) Tsamardinos一世, 等 .:最大最小爬山贝叶斯网络结构学习算法。 机器学习 2006, 65 (1):31–78. 2007年10月10日/10994-006-6889-7 蒂尔尼, 等 .: snow:简单工作站网络,CRAN包0.3–3 . 2008. Csardi G公司: igraph:简单图形的例程,网络分析版本0.5.1。 CRAN包 . 2008. 瓦瑟曼S,浮士德K: 社交网络分析 剑桥大学出版社; 2007 巴拉巴西A-L, 等 .: 网络生物学:了解细胞的功能组织。 遗传学自然评论 2004, 5: 101–113. 10.1038/编号1272 戈尔茨坦ML, 等 .: 幂律分布拟合问题。 欧洲物理杂志 2004, B41: 255–258. 米洛·R, 等 .: 网络主题:复杂网络的简单构建块。 科学类 2002, 298: 824–827. 10.1126/科学298.5594.824 香农·P, 等 .: Cytoscape:生物分子相互作用网络集成模型的软件环境。 基因组研究 2003, 13 (11):2498–504. 10.1101/gr.1239303 玛格丽蒂斯D: 从数据中学习贝叶斯网络模型结构。 宾夕法尼亚州匹兹堡卡内基梅隆大学计算机科学学院博士论文 2003年,作为技术报告CMU-CS-03–153提供。 作为技术报告CMU-CS-03-153提供。 Tsamardinos I、Aliferis CF、Statnikov A: “大规模马尔可夫覆盖发现算法”。 在 “第十六届国际佛罗里达人工智能研究学会会议论文集” AAAI出版社; 2003:376–381. Yaramakala S、Margaritis D: “用于最佳特征选择的推测性马尔可夫覆盖发现”。 在 “2005年ICDM:第五届IEEE数据挖掘国际会议记录” IEEE计算机学会,美国华盛顿特区; 2005:809–812. Tsamardinos I、Brown LE、Aliferis CF: “最大最小爬山贝叶斯网络结构学习算法”。 机器学习 2006, 65 (1):31–78. 2007年10月10日/10994-006-6889-7
鸣谢
作者信息
作者和附属机构
通讯作者
其他信息
竞争性利益
作者的贡献
权利和权限