Feng He and An-Ping Zeng
In search of functional association from time-series microarray data based on the change trend and level of gene expression
BMC Bioinformatics. 2006; 7: 69.
[PDF]
・マイクロアレイ時系列データより遺伝子ネットワークを推定する方法を提案する。各遺伝子の発現量の時間変化量同士の相関を計算し、相関の高い遺伝子のペアを抽出する。
・比較した方法
1. Trend correlation (TC) method (提案法)
2. Local clustering (LC) method
3. Pearson correlation coefficient (PCC) based clustering method
・データ:Yeast cell cycle, over 6000 ORFs, 17 time points [Cho]
・方法「The principle of our method is to use information in the change trend and the change level of gene expression between consecutive time points for the inference of functional linkages among genes.」
・従来法はデータを点で見ていたところを、提案法では連続(trend)として見るとのことですが、この"trend"の考え方がいまいちピンとこない。
・図[写真]中の遺伝子(グラフ)同士には関連があるとのことですが、パッと見る限りでは・・・怪しげ・・・ホンマカイナ。
In search of functional association from time-series microarray data based on the change trend and level of gene expression
BMC Bioinformatics. 2006; 7: 69.
[PDF]
・マイクロアレイ時系列データより遺伝子ネットワークを推定する方法を提案する。各遺伝子の発現量の時間変化量同士の相関を計算し、相関の高い遺伝子のペアを抽出する。
・比較した方法
1. Trend correlation (TC) method (提案法)
2. Local clustering (LC) method
3. Pearson correlation coefficient (PCC) based clustering method
・データ:Yeast cell cycle, over 6000 ORFs, 17 time points [Cho]
・方法「The principle of our method is to use information in the change trend and the change level of gene expression between consecutive time points for the inference of functional linkages among genes.」
・従来法はデータを点で見ていたところを、提案法では連続(trend)として見るとのことですが、この"trend"の考え方がいまいちピンとこない。
・図[写真]中の遺伝子(グラフ)同士には関連があるとのことですが、パッと見る限りでは・・・怪しげ・・・ホンマカイナ。
※コメント投稿者のブログIDはブログ作成者のみに通知されます