@techreport{oai:ipsj.ixsq.nii.ac.jp:00058874,
 author = {島村, 徹平 and 井元, 清哉 and 宮野, 悟 and Teppei, Shimamura and Seiya, Imoto and Satoru, Miyano},
 issue = {86(2008-BIO-014)},
 month = {Sep},
 note = {本報告では、時系列に観測されるマイクロアレイデータからベクトル自己回帰モデルに基づいて遺伝子ネットワークを推定する問題を考える。ベクトル自己回帰モデルは、多変量時系列における変数間の依存関係を明示的に記述したモデルであり、モデルの係数行列により、Granger　によって定義される因果関係が与えられる。実際の問題においては、超高次元時系列データから係数行列の推定、特に係数行列のどの要素が 0 になるかを推定することが本質的な問題である。以上の問題に対し、係数行列のパラメータを再帰的に推定する新しい正則化法を提案し、それにより遺伝子ネットワークを推定する手法について述べる。, The vector autoregressive model has been considered as a promising tool to reconstruct large-scale gene networks from time course microarray data. However, it remains a challenging problem due to the small sample size and the high-dimensionality of time course microarray data. We present a novel regression-based modeling strategy with a new class of regularization for estimating gene networks.},
 title = {超高次元時系列データからの遺伝子ネットワーク推定について},
 year = {2008}
}