Není k dispozici

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21230%2F06%3A03117834" target="_blank" >RIV/68407700:21230/06:03117834 - isvavai.cz</a>

Výsledek na webu

—

DOI - Digital Object Identifier

—

Jazyk výsledku

angličtina

Název v původním jazyce

Summarizing gene-expression-based classifiers by meta-mining comprehensible relational patterns

Popis výsledku v původním jazyce

We propose a methodology for predictive classification from gene expression data, able to combine the robustness of high-dimensional statistical classification methods with the comprehensibility and interpretability of simple logic-based models. We firstconstruct a robust classifier combining contributions of a large number of gene expression values, and then (meta)-mine the classifier for compact summarizations of subgroups among genes associated with a given class therein. The subgroups are describedby means of relational logic features extracted from publicly available gene ontology information. The curse of dimensionality pertaining to the gene expression based classification problem due to the large number of attributes (genes) is turned into anadvantage in the secondary, meta-mining task as here the original attributes become learning examples.

Název v anglickém jazyce

Summarizing gene-expression-based classifiers by meta-mining comprehensible relational patterns

Popis výsledku anglicky

We propose a methodology for predictive classification from gene expression data, able to combine the robustness of high-dimensional statistical classification methods with the comprehensibility and interpretability of simple logic-based models. We firstconstruct a robust classifier combining contributions of a large number of gene expression values, and then (meta)-mine the classifier for compact summarizations of subgroups among genes associated with a given class therein. The subgroups are describedby means of relational logic features extracted from publicly available gene ontology information. The curse of dimensionality pertaining to the gene expression based classification problem due to the large number of attributes (genes) is turned into anadvantage in the secondary, meta-mining task as here the original attributes become learning examples.

Druh

D - Stať ve sborníku

CEP obor

JC - Počítačový hardware a software

OECD FORD obor

—

Projekt

Výsledek vznikl pri realizaci vícero projektů. Více informací v záložce Projekty.

Návaznosti

Z - Vyzkumny zamer (s odkazem do CEZ)

Rok uplatnění

2006

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

Proceedings of the Fourth IASTED International Conference on BIOMEDICAL ENGINEERING

ISBN

0-88986-576-0

ISSN

—

e-ISSN

—

Počet stran výsledku

6

Strana od-do

19-24

Název nakladatele

Acta Press

Místo vydání

Zürich

Místo konání akce

Innsbruck

Datum konání akce

15. 2. 2006

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

—