Wir haben in unseren Experimenten die Vonsätzlichen und Regulationsdaten verwendet, die von Faith et al. 2007 für E.coli öffentlich zugänglich gemacht und von dieser Website heruntergeladen wurden. Die Expressionsdaten bestehen aus einem Kompendium von 445 E. coli Affymetrix Antisense2 Mikroarray-Expressionsprofilen für 4345 Gene. Die Mikroarrays wurden unter verschiedenen experimentellen Bedingungen wie PH-Änderungen, Wachstumsphasen, Antibiotika, Hitzeschock, verschiedene Medien, unterschiedliche Sauerstoffkonzentrationen und zahlreiche genetische Störungen gesammelt. In unserem Experiment wurden die Expressionsdaten für jedes Gen auf Null Mittelwert und EinheitStandardabweichung normalisiert. Die Regulationsdaten bestehen aus 3293 experimentell bestätigten Vorschriften zwischen 1211 Genen, darunter 154 Transkriptionsfaktoren, die aus der RegulonDB-Datenbank extrahiert wurden. Willkommen auf der SIRENE Webseite. Auf dieser Seite werden Sie in der Lage sein, lebende Zellen sind das Produkt von Genexpressionsprogrammen, die die regulierte Transkription von Tausenden von Genen beinhalten.

Die Aufklärung transkriptionionaler regulatorischer Netzwerke in so notwendig, um den Arbeitsmechanismus der Zelle zu verstehen, und kann zum Beispiel für die Entdeckung neuer therapeutischer Ziele nützlich sein. Obwohl mehrere Methoden vorgeschlagen wurden, um Genregulierungsnetzwerke aus Genexpressionsdaten abzuleiten, ergab ein kürzlich durchgeführter Vergleich in einem groß angelegten Benchmark-Experiment, dass die meisten aktuellen Methoden nur eine begrenzte Anzahl bekannter Vorschriften auf einem angemessenen Genauigkeitsniveau vorhersagen. Wir schlagen SIRENE vor, eine neue Methode zur Rückschlussung von Genregulierungsnetzen aus einem Kompendium von Expressionsdaten. Die Methode zerlegt das Problem der Gen-Regulierungsnetzwerk-Inferenz in eine große Anzahl von lokalen binären Klassifizierungsproblemen, die sich auf die Trennung von Zielgenen von Nicht-Zielen für jeden TF konzentrieren. SIRENE ist somit konzeptionell einfach und recheneffizient. Wir testeten es an einem Benchmark-Experiment zur Vorhersage von Vorschriften in E. coli und zeigten, dass es in der Größenordnung von fünfmal mehr bekannten Vorschriften als andere modernste Inferenzmethoden abruft. SIRENE wurde in Matlab (Version 7.5.0) implementiert, aber für den SVM-Teil des Codes ist es dem Benutzer möglich, zwischen simpleSVM und libsvm zu wählen. Die Dokumentation von simpleSVM ist hier verfügbar und da die Codes in Matlab geschrieben sind, sind sie im src-Verzeichnis von SIRENE enthalten. Was libsvm betrifft, sind viele verschiedene Schnittstellen möglich und wir empfehlen dem Benutzer, die neueste Matlab-Version auf der libsvm-Website zu erhalten, wo auch Hilfe und Dokumentation zur Verfügung gestellt werden. Zum Testen von SIRENE am Benchmark-Dataset empfehlen wir, libsvm zu verwenden, da es für dieses Problem schneller war. F.

Mordelet und J.-P. Vert. SIRENE: überwachte Schlussfolgerungen von Regulierungsnetzen. Bioinformatik, 24(16):i76-i82, 2008..


SIGN INTO YOUR ACCOUNT

 
×
FORGOT YOUR DETAILS?
×

Go up