检索结果-南通市图书馆

gene regulatory network inference based on causal discovery integrating with graph neural network

Quantitative Biology 2023年第4期11卷 434-450页

作者： Ke Feng Hongyang Jiang Chaoyi Yin Huiyan Sun School of Artificial Intelligence Jilin UniversityChangchunChina international Center of Future Science Jilin UniversityChangchunChina Engineering Research Center of Knowledge-Driven Human-Machine Intelligence Ministry of EducationChangchunChina

gene regulatory network (GRN) inference from gene expression data is asignificant approach to understanding aspects of the biological system.Compared with generalized correlation-based methods, causality-inspiredones seem more rational to infer regulatory relationships. We proposeGRINCD, a novel GRN inference framework empowered by graph representationlearning and causal asymmetric learning, considering both linearand non-linear regulatory relationships. First, high-quality representation ofeach gene is generated using graph neural network. Then, we apply theadditive noise model to predict the causal regulation of each regulator-targetpair. Additionally, we design two channels and finally assemble them forrobust prediction. Through comprehensive comparisons of our frameworkwith state-of-the-art methods based on different principles on numerousdatasets of diverse types and scales, the experimental results show that ourframework achieves superior or comparable performance under variousevaluation metrics. Our work provides a new clue for constructing GRNs,and our proposed framework GRINCD also shows potential in identifyingkey factors affecting cancerdevelopment.

关键词： causal discovery ensemble learning gene regulatory network inference gene regulatory networks graph neural network key regulators of disease development

来源：

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：