采用结构与参数训练相结合的RNN模型构建基因调控网络

CORC > 北京大学 > 软件与微电子学院

	采用结构与参数训练相结合的RNN模型构建基因调控网络; Construction of Gene Regulatory Network via Recurrent Neural Network Model Adopting Structure Combined with Parameter Training
	苏兰莹 ; 刘桂霞 ; 杨雅辉 ; 刘昱昊 ; 周春光
刊名	吉林大学学报理学版
	2010
关键词	基因调控网络递归神经网络模拟退火算法免疫系统粒子群算法 gene regulatory network recurrent neural network simulate annealing algorithm immune system particle swarm optimization
英文摘要	提出一种采用递归神经网络模型构建基因调控网络,将结构训练与参数训练相结合的方法进行网络的权值训练. 采用模拟退火算法训练网络结构,找出调控关系权值,再引入基于免疫思想的粒子群算法对权值进行参数优化,得到基因调控网络图. 并分别用人工数据和大肠杆茵DNA修复系统基因数据进行实验. 实验结果表明,该方法能有效地从基因时序数据中揭示基因间的调控关系.; We constructed gene regulatory networks adopting recurrent neural network model. We proposed a two-step procedure for genetic regulatory network inference. At first we used simulated annealing algorithm to search network structure space and found meaningful weights that indicate the regulatory relations. Secondly we adopted improved particle swarm optimization algorithm based on immune principle to determine the network parameters. Our approach has been applied to both artificial data set and data set of Desoxyribonucleic acid (DNA) Repair System of Escherichia coli. The results demonstrate that the method can provide a meaningful insight into potential regulatory interactions between genes,which is revealed by the nonlinear dynamics of the gene expression time series. Thereby we have provided a new approach to solve the biological problem of constructing gene regulatory networks.; 国家自然科学基金; 国家高技术研究发展计划(863计划); 吉林省生物识别新技术重点实验室项目; 中文核心期刊要目总览(PKU); 中国科技核心期刊(ISTIC); 中国科学引文数据库(CSCD); 0; 2; 284-290; 48
语种	中文
内容类型	期刊论文
源URL	[http://ir.pku.edu.cn/handle/20.500.11897/243086]
专题	软件与微电子学院
推荐引用方式 GB/T 7714	苏兰莹,刘桂霞,杨雅辉,等. 采用结构与参数训练相结合的RNN模型构建基因调控网络, Construction of Gene Regulatory Network via Recurrent Neural Network Model Adopting Structure Combined with Parameter Training[J]. 吉林大学学报理学版,2010.
APA	苏兰莹,刘桂霞,杨雅辉,刘昱昊,&周春光.(2010).采用结构与参数训练相结合的RNN模型构建基因调控网络.吉林大学学报理学版.
MLA	苏兰莹,et al."采用结构与参数训练相结合的RNN模型构建基因调控网络".吉林大学学报理学版 (2010).