Please wait a minute...
吉林化工学院学报, 2021, 38(9): 112-116     https://doi.org/10.16039/j.cnki.cn22-1249.2021.09.021
  本期目录 | 过刊浏览 | 高级检索 |
基于相关性分析和主成分分析的基因调控网络研究
董艺,路云龙*
北华大学 数学与统计学院,吉林 吉林 132013
Research on Gene Regulatory Network Based on Correlation Analysis and Principal Component Analysis
DONG Yi,LU Yunlong*
下载:  PDF (585KB) 
输出:  BibTeX | EndNote (RIS)      
摘要 

为了构建基因调控网络模型,提出了相关性分析和主成分分析相结合的方法。利用皮尔逊相关系数进行相关性分析,构造初始的基因调控网络。进而利用主成分分析法确立剪边原则,从而获得新的基因调控网络。采用Dream3中的大肠杆菌(Ecoli1)10个基因的表达数据进行测试,结果表明,参考黄金标准下的基准网络,所提方法获得的基因调控网络具有较高的准确性。

服务
把本文推荐给朋友
加入引用管理器
E-mail Alert
RSS
作者相关文章
董艺
路云龙
关键词:  基因调控网络  主成分分析  相关性分析  皮尔逊相关系数     
Abstract: 

In order to construct a gene regulatory network model, a method combining correlation analysis and principal component analysis is proposed. Use Pearson's correlation coefficient for correlation analysis to construct an initial gene regulatory network. Then use the principal component analysis method to establish the trimming principle, so as to obtain a new gene regulatory network.  Using the expression data of 10 genes of Escherichia coli (Ecoli1) in Dream3 for testing, the results show that referring to the benchmark network under the gold standard, the gene regulation network obtained by the proposed method has high accuracy.

Key words:  gene regulatory network    principal component analysis    correlation analysis    Pearson correlation coefficient
               出版日期:  2021-09-25      发布日期:  2021-09-25      整期出版日期:  2021-09-25
ZTFLH:  TP391  
引用本文:    
董艺, 路云龙. 基于相关性分析和主成分分析的基因调控网络研究 [J]. 吉林化工学院学报, 2021, 38(9): 112-116.
DONG Yi, LU Yunlong. Research on Gene Regulatory Network Based on Correlation Analysis and Principal Component Analysis . Journal of Jilin Institute of Chemical Technology, 2021, 38(9): 112-116.
链接本文:  
http://xuebao.jlict.edu.cn/CN/10.16039/j.cnki.cn22-1249.2021.09.021  或          http://xuebao.jlict.edu.cn/CN/Y2021/V38/I9/112
[1] 周燕茹. 基于模糊数学的高维稀疏数据聚类统计方法设计 [J]. 吉林化工学院学报, 2021, 38(9): 107-111.
[2] 宋艳英. 基于高斯过程回归与硬件优化的可见光室内定位设计 [J]. 吉林化工学院学报, 2021, 38(7): 43-48.
[3] 潘志奎, 陈雪, 陈成. 汽车排气管焊接夹具的运动学仿真 [J]. 吉林化工学院学报, 2021, 38(7): 81-84.
[4] 李三三, 乔亚伟, 陈双. 利用反映帧间图像界定运动员跑步训练强度仿真 [J]. 吉林化工学院学报, 2021, 38(7): 59-64.
[5] 张飞. 基于试探的未知类别聚类的识别算法应用研究 [J]. 吉林化工学院学报, 2021, 38(5): 23-26.
[6] 吴博. 基于KNN算法的跑步运动轨迹监测系统设计 [J]. 吉林化工学院学报, 2021, 38(5): 32-37.
[7] 左学武. 基于融合粒子群的高等数学辅助教学系统设计 [J]. 吉林化工学院学报, 2021, 38(5): 80-84.
[8] 李百明. 基于机器视觉的钢珠直径测量系统设计 [J]. 吉林化工学院学报, 2021, 38(1): 58-62.
[9] 王子岚, 曹路舟. 基于隐语义模型的推荐算法研究 [J]. 吉林化工学院学报, 2020, 37(7): 49-53.
[10] 钟楚轶, 朱建军. 人体活动识别数据集的数据处理方法 [J]. 吉林化工学院学报, 2020, 37(3): 81-84.
[11] 朱莉, 陈辉. 基于深度学习的单幅图像三维重建算法 [J]. 吉林化工学院学报, 2020, 37(1): 58-62.
[12] 尹小定, 赵会娟, 王登化, 丁禹轩. 注塑模设计中冷、热流道技术在Moldflow中的比较分析 [J]. 吉林化工学院学报, 2019, 36(9): 28-34.
[13] 赵会娟, 尹小定. MOLDFLOW在优化空调外壳支架注射成型工艺中的应用 [J]. 吉林化工学院学报, 2019, 36(7): 24-29.
[14] 付莉, 付秀伟, 陈玲玲. 基于图像处理的车牌识别技术 [J]. 吉林化工学院学报, 2019, 36(3): 42-46.
[15] 朱平哲. 基于NSST与DBM的可见光与红外图像融合方法 [J]. 吉林化工学院学报, 2019, 36(3): 62-68.
No Suggested Reading articles found!
Viewed
Full text


Abstract

Cited

  Shared   
  Discussed