遺伝子発現データからの新しい因果推論手法の検証

• Item type: SIG Technical Reports(1)
• 公開日: 2020-03-05
• タイトル: 遺伝子発現データからの新しい因果推論手法の検証
• タイトル / 言語: en
• タイトル: A novel causal inference method from gene expression
• 言語: jpn
• 資源タイプ / 資源タイプ識別子: http://purl.org/coar/resource_type/c_18gh
• 資源タイプ: technical report
• 著者所属: 国立研究開発法人医薬基盤・健康・栄養研究所
• 著者所属(英): en
• 著者所属(英): National Institutes of Biomedical Innovation, Health and Nutrition (NIBIOHN)
• 著者名: 樋口, 千洋
• 著者名(英): Chihiro, Higuchi
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 生命情報解析において因果推論は非常に重要である．代表的な因果推論手法として有向グラフによるベイジアンネットワークが挙げられるが，本手法はノード数が 60 くらいで計算限界なのが難点である．そのため，ARACNe [1] と呼ばれる相互情報量と無向グラフによるマルコフネットワークを用いた解析が実施されてきた [2]．近年，新たなアルゴリズムで推定した相互情報量と Chow-Liu アルゴリズムによる Forest Structure Learning (FSL) という構造学習手法が提案された [3]．今回発表者は NCBI GEO に収載された数種の公共データに本手法を適用した．本発表ではその結果と今後の研究の進め 方について議論したい．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: A causal inference is a very important for life science study. A typical causal inference method is a Bayesian network using a directed graph, however, this method has the disadvantage that it has upto 60 nodes and its computational limit. For this reason, analysis using a Markov network based on mutual information and undirected graph called ARACNe [1] has been performed [2]. In recent years, a structure learning method called Forest Structure Learning (FSL) using the mutual information estimated by a new algorithm and the Chow-Liu algorithm has been proposed [3]. We applied the method to several public datasets stored on NCBI GEO. In this presentation, we would like to discuss the results and future research.
• 書誌レコードID / 収録物識別子タイプ: NCID
• 書誌レコードID / 収録物識別子: AA12055912
• 書誌情報: 研究報告バイオ情報学（BIO）; 巻 2020-BIO-61, 号 7, p. 1-1, 発行日 2020-03-05
• ISSN / 収録物識別子タイプ: ISSN
• ISSN / 収録物識別子: 2188-8590
• Notice: SIG Technical Reports are nonrefereed and hence may later appear in any journals, conferences, symposia, etc.
• 出版者 / 言語: ja
• 出版者: 情報処理学会