線形ダイナミカルシステムモデルの変分ベイズ推定による遺伝子発現時系列のシステム同定

• Item type: Trans(1)
• 公開日: 2005-06-15
• タイトル: 線形ダイナミカルシステムモデルの変分ベイズ推定による遺伝子発現時系列のシステム同定
• タイトル / 言語: en
• タイトル: System Identification of Gene Expression Time-series Based on a Linear Dynamical System Model with Variational Bayesian Estimation
• 言語: jpn
• キーワード / 主題Scheme: Other
• キーワード / 主題: オリジナル論文
• 資源タイプ / 資源タイプ識別子: http://purl.org/coar/resource_type/c_6501
• 資源タイプ: journal article
• 著者所属: 奈良先端科学技術大学院大学情報科学研究科
• 著者所属: 独立行政法人科学技術振興機構沖縄新大学院大学先行的研究事業 奈良先端科学技術大学院大学情報科学研究科
• 著者所属: 奈良先端科学技術大学院大学情報科学研究科
• 著者所属: 奈良先端科学技術大学院大学情報科学研究科
• 著者所属(英): en
• 著者所属(英): Graduate School of Information Science Nara Institute of Science and Technology
• 著者所属(英): en
• 著者所属(英): Initial Research Project Okinawa Institute of Science and Technology JST,Graduate School of Information Science Nara Institute of Science and Technology
• 著者所属(英): en
• 著者所属(英): Graduate School of Information Science Nara Institute of Science and Technology
• 著者所属(英): en
• 著者所属(英): Graduate School of Information Science Nara Institute of Science and Technology
• 著者名: 行縄, 直人; 吉本, 潤一郎; 大羽成征; 石井, 信
• 著者名(英): Naoto, Yukinawa; Jun-ichiro, Yoshimoto; Shigeyuki, Oba; Shin, Ishii
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 遺伝子発現ダイナミクスの解析のために，状態空間モデルに基づく解析法が提案されている．従来の解析法では，状態変数のダイナミクスを仮定せず，また，システムノイズと観測ノイズを無視したモデルを仮定していたため，状態空間に含まれるノイズ成分を状態変数として誤検出する可能性がある．本研究では，ノイズプロセスに白色ガウシアンを仮定した線形ダイナミカルシステムモデルを考え，変分ベイズ法による推定とモデル選択を行う．本手法を出芽酵母細胞周期に関する公開データセットに適用したところ，従来手法で選択されたモデルと比較し，よりシンプルでもっともらしいモデルが選択された．また，この結果得られたモデルパラメータは，生物学的な考察とよく一致した．人工データへの適用も行い，ノイズを含む時系列データに対する有効性が示された．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: Several methods based on state space models have been proposed for analyzing dynamics of gene expression. Existing analysis methods can detect false noisy internal variables which seem to have no dynamics in state space because the methods do not assume any dynamics with system noise and observation noise. In this study, we propose a linear dynamical system model in which state variables and observation variables are generated by Gaussian white noise process and provide a variational Bayes inference for the model. We first show effectiveness of our method when applied to a synthesized noisy time-series data set. We also applied our method to a published yeast cell-cycle gene expression data set, then our method could select a simpler and more plausible model than existing method did. In addition, the resultant model parameters well matched the biological considerations.
• 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: AA11464803
• 書誌情報: 情報処理学会論文誌数理モデル化と応用（TOM）; 巻 46, 号 SIG10(TOM12), p. 57-65, 発行日 2005-06-15
• ISSN / 収録物識別子タイプ: ISSN
• ISSN / 収録物識別子: 1882-7780
• 出版者 / 言語: ja
• 出版者: 情報処理学会