Znalostmi řízená extrakce genomických rysů

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21230%2F09%3A03154232" target="_blank" >RIV/68407700:21230/09:03154232 - isvavai.cz</a>

Výsledek na webu

—

DOI - Digital Object Identifier

—

Jazyk výsledku

angličtina

Název v původním jazyce

Knowledge-Based Feature Extraction in Genomics

Popis výsledku v původním jazyce

Dimension reduction is the process of reducing the number of variables under consideration. In genomic classification it is widely applied because the high dimensionality of gene-expression data proved to decrease accuracy and comprehensibility of genomic classifiers. Simultaneously, contemporary genomics offers an opportunity to reach beyond the routine application of purely statistical dimension reduction techniques. Availability of a great variability of knowledge on gene roles, functions and gene-gene interactions allows to benefit from knowledge-based approaches to dimension reduction. This paper introduces and tests a feature-extraction algorithm that employs keywords affinity to define the gene similarity measure. This measure is used to form gene clusters whose medoids serve as new features. The features are of a reasonable number with statistically proven noise robustness and with anticipation of easy interpretability.

Název v anglickém jazyce

Knowledge-Based Feature Extraction in Genomics

Popis výsledku anglicky

Dimension reduction is the process of reducing the number of variables under consideration. In genomic classification it is widely applied because the high dimensionality of gene-expression data proved to decrease accuracy and comprehensibility of genomic classifiers. Simultaneously, contemporary genomics offers an opportunity to reach beyond the routine application of purely statistical dimension reduction techniques. Availability of a great variability of knowledge on gene roles, functions and gene-gene interactions allows to benefit from knowledge-based approaches to dimension reduction. This paper introduces and tests a feature-extraction algorithm that employs keywords affinity to define the gene similarity measure. This measure is used to form gene clusters whose medoids serve as new features. The features are of a reasonable number with statistically proven noise robustness and with anticipation of easy interpretability.

Druh

D - Stať ve sborníku

CEP obor

JC - Počítačový hardware a software

OECD FORD obor

—

Projekt

<a href="/cs/project/1ET101210513" target="_blank" >1ET101210513: Relační strojové učení pro průzkum biomedicínských dat</a><br>

Návaznosti

Z - Vyzkumny zamer (s odkazem do CEZ)

Rok uplatnění

2009

Kód důvěrnosti údajů

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

Název statě ve sborníku

Znalosti 2009 - sborník příspěvků

ISBN

978-80-227-3015-0

ISSN

—

e-ISSN

—

Počet stran výsledku

12

Strana od-do

—

Název nakladatele

Vydavatel'stvo STU

Místo vydání

Bratislava

Místo konání akce

Brno

Datum konání akce

4. 2. 2009

Typ akce podle státní příslušnosti

EUR - Evropská akce

Kód UT WoS článku

—