Optimal Sparsity Criteria for Network Inference

↓ Direkt till sidans innehåll
↓ Direkt till sidans sekundära innehåll (sidomenyn)

Sökning: onr:"swepub:oai:DiVA.org:su-91295" > Optimal Sparsity Cr...

1 av 1
Föregående post
Nästa post
Till träfflistan

LIBRIS Formathandbok (Information om MARC21)

Fältnamn	Indikatorer	Metadata
000		03939naa a2200457 4500
001		oai:DiVA.org:su-91295
003		SwePub
008		130624s2013 \| \|\|\|\|\|\|\|\|\|\|\|000 \|\|eng\|
009		oai:DiVA.org:kth-124050
024	7	a https://urn.kb.se/resolve?urn=urn:nbn:se:su:diva-912952 URI
024	7	a https://doi.org/10.1089/cmb.2012.02682 DOI
024	7	a https://urn.kb.se/resolve?urn=urn:nbn:se:kth:diva-1240502 URI
040		a (SwePub)sud (SwePub)kth
041		a engb eng
042		9 SwePub
072	7	a ref2 swepub-contenttype
072	7	a art2 swepub-publicationtype
100	1	a Tjärnberg, Andreasu Stockholms universitet,Institutionen för biokemi och biofysik,Science for Life Laboratory (SciLifeLab),Stockholm University, Science for Life Laboratory4 aut0 (Swepub:su)antj9563
245	1 0	a Optimal Sparsity Criteria for Network Inference
264	1	b Mary Ann Liebert Inc,c 2013
338		a print2 rdacarrier
500		a AuthorCount:4;
500		a QC 20130627
520		a Gene regulatory network inference (that is, determination of the regulatory interactions between a set of genes) provides mechanistic insights of central importance to research in systems biology. Most contemporary network inference methods rely on a sparsity/regularization coefficient, which we call zeta (zeta), to determine the degree of sparsity of the network estimates, that is, the total number of links between the nodes. However, they offer little or no advice on how to select this sparsity coefficient, in particular, for biological data with few samples. We show that an empty network is more accurate than estimates obtained for a poor choice of zeta. In order to avoid such poor choices, we propose a method for optimization of zeta, which maximizes the accuracy of the inferred network for any sparsity-dependent inference method and data set. Our procedure is based on leave-one-out cross-optimization and selection of the zeta value that minimizes the prediction error. We also illustrate the adverse effects of noise, few samples, and uninformative experiments on network inference as well as our method for optimization of zeta. We demonstrate that our zeta optimization method for two widely used inference algorithms-Glmnet and NIR-gives accurate and informative estimates of the network structure, given that the data is informative enough.
650	7	a NATURVETENSKAPx Biologix Biokemi och molekylärbiologi0 (SwePub)106022 hsv//swe
650	7	a NATURAL SCIENCESx Biological Sciencesx Biochemistry and Molecular Biology0 (SwePub)106022 hsv//eng
650	7	a NATURVETENSKAPx Data- och informationsvetenskapx Bioinformatik0 (SwePub)102032 hsv//swe
650	7	a NATURAL SCIENCESx Computer and Information Sciencesx Bioinformatics0 (SwePub)102032 hsv//eng
653		a algorithms
653		a gene networks
653		a linear algebra
653		a Biochemistry towards Bioinformatics
653		a biokemi med inriktning mot bioinformatik
700	1	a Nordling, Torbjorn E. M.u KTH,Reglerteknik,Science for Life Laboratory, SciLifeLab4 aut0 (Swepub:kth)u15vtycm
700	1	a Studham, Matthewu KTH,Stockholms universitet,Institutionen för biokemi och biofysik,Science for Life Laboratory (SciLifeLab),Science for Life Laboratory, SciLifeLab4 aut0 (Swepub:kth)u1weehbg
700	1	a Sonnhammer, Erik L. L.u Stockholms universitet,Institutionen för biokemi och biofysik,Science for Life Laboratory (SciLifeLab),Stockholm University, Science for Life Laboratory4 aut0 (Swepub:kth)u1wnqkzi
710	2	a Stockholms universitetb Institutionen för biokemi och biofysik4 org
773	0	t Journal of Computational Biologyd : Mary Ann Liebert Incg 20:5, s. 398-408q 20:5<398-408x 1066-5277x 1557-8666
856	4 8	u https://urn.kb.se/resolve?urn=urn:nbn:se:su:diva-91295
856	4 8	u https://doi.org/10.1089/cmb.2012.0268
856	4 8	u https://urn.kb.se/resolve?urn=urn:nbn:se:kth:diva-124050

Hitta via bibliotek

Journal of Computational Biology (Sök värdpublikationen i LIBRIS)

Till lärosätets databas

1 av 1
Föregående post
Nästa post
Till träfflistan

Hitta mer i SwePub

Av författaren/redakt...: Tjärnberg, Andre ...; Nordling, Torbjo ...; Studham, Matthew; Sonnhammer, Erik ...

Om ämnet

NATURVETENSKAP: NATURVETENSKAP; och Biologi; och Biokemi och mole ...

NATURVETENSKAP: NATURVETENSKAP; och Data och informa ...; och Bioinformatik

Artiklar i publikationen: Journal of Compu ...

Av lärosätet: Stockholms universitet; Kungliga Tekniska Högskolan

Sök utanför SwePub

Sök vidare i:: Google; Google Book Search; Google Scholar

Kungliga biblioteket hanterar dina personuppgifter i enlighet med EU:s dataskyddsförordning (2018), GDPR. Läs mer om hur det funkar här.
Så här hanterar KB dina uppgifter vid användning av denna tjänst.

LIBRIS.kb.se