Yazar
Sefer, Emre, Kingsford, C.
Basım Tarihi
2021-05-01
Basım Yeri
-
Mary Ann Liebert, Inc.
Konu
Gen ontolojisi, Metrik etiketleme, Protein fonksiyon tahmini
Tür
Süreli Yayın
Dil
İngilizce
Dijital
Evet
Yazma
Hayır
Kütüphane
Özyeğin Üniversitesi
Demirbaş Numarası
1066-5277, 1066-5277
Kayıt Numarası
5cb0f7ff-5992-4bfa-8d41-3b76567cb575
Lokasyon
Bilgisayar Bilimi
Tarih
2021-05-01
Örnek Metin
Hesaplamalı teknikler, ilişkisel verilerden (işlevsel veya fiziksel etkileşimler) protein fonksiyonunu tahmin etmede başarılı olmuştur. Bu teknikler hipotezler oluşturmak ve deneysel doğrulamayı yönlendirmek için kullanılmıştır. Birkaç istisna dışında görev, etiketlerin (fonksiyonların) bağımsız veya yarı bağımsız olarak ele alındığı çok etiketli sınıflandırma problemleri olarak modellenmiştir. Ancak Gen Ontolojisi gibi veritabanları, işlevler arasındaki benzerlikler hakkında bilgi sağlar. Hem fiziksel etkileşimlerden hem de diğer veri türlerinin bir kombinasyonundan türetilen ağlarda protein fonksiyonuna ilişkin daha doğru tahminler yapmak amacıyla işlevler arasında buluşsal olarak hesaplanan mesafelerden yararlanmak için Metrik Etiketleme kombinatoryal optimizasyon probleminin kullanımını araştırıyoruz. Bunu yapmak için, buluşsal semimetrik mesafeleri minimum en küçük kareler distorsiyonuna (LSD) sahip bir metriğe dönüştürmek için yeni bir teknik (dışbükey optimizasyona dayalı) sunuyoruz. Metrik Etiketleme yaklaşımının, ağlardan işlev çıkarımına yönelik mevcut beş teknikten daha iyi performans gösterdiği gösterilmiştir. Bu sonuçlar Metrik Etiketlemenin protein fonksiyon tahmini için faydalı olduğunu ve LSD minimizasyonunun buluşsal mesafeleri bir metriğe dönüştürme sorununu çözmeye yardımcı olabileceğini göstermektedir.
DOI
10.1089/cmb.2020.0425
Cilt
28
