-
公开(公告)号：CN111833964A
公开(公告)日：2020-10-27
申请号：CN202010592324.4
申请日：2020-06-24
Applicant: 华中农业大学
Abstract: 本发明涉及一种整数线性规划优化贝叶斯网络的上位性位点挖掘方法，包括S1-S4四个步骤。首先使用条件互信息计算，并经过扩张、收缩和检查一致性三个阶段，得到每个节点的马尔科夫毯，将每个节点的马尔科夫毯作为其候选父节点集，构建每个节点的所有子结构。然后利用可分解的贝叶斯网络打分函数α-BIC，求得每个子结构的分数。利用可分解贝叶斯网络打分函数的性质，删除一些子结构，得到每个节点筛选后的候选父集及其贝叶斯网络打分。最后根据这些候选父集和分数将构建贝叶斯网络转换成整数线性规划问题，并使用分支定界和割平面两种方法，快速求解得到最高分数的全局最优的包括SNP位点和表型性状的贝叶斯网络，进而实现更有效、更准确的上位性检测。
-
公开(公告)号：CN111833964B
公开(公告)日：2024-10-22
申请号：CN202010592324.4
申请日：2020-06-24
Applicant: 华中农业大学
Abstract: 本发明涉及一种整数线性规划优化贝叶斯网络的上位性位点挖掘方法，包括S1‑S4四个步骤。首先使用条件互信息计算，并经过扩张、收缩和检查一致性三个阶段，得到每个节点的马尔科夫毯，将每个节点的马尔科夫毯作为其候选父节点集，构建每个节点的所有子结构。然后利用可分解的贝叶斯网络打分函数α‑BIC，求得每个子结构的分数。利用可分解贝叶斯网络打分函数的性质，删除一些子结构，得到每个节点筛选后的候选父集及其贝叶斯网络打分。最后根据这些候选父集和分数将构建贝叶斯网络转换成整数线性规划问题，并使用分支定界和割平面两种方法，快速求解得到最高分数的全局最优的包括SNP位点和表型性状的贝叶斯网络，进而实现更有效、更准确的上位性检测。
-
公开(公告)号：CN114925837B
公开(公告)日：2024-04-16
申请号：CN202210294214.9
申请日：2022-03-23
Applicant: 华中农业大学
Abstract: 本发明公开了一种基于混合熵优化互信息的基因调控网络构建方法，该方法包括：根据设置的离散度对基因表达连续型数据进行离散化处理，根据真实概率与James‑Stein估计概率产生的均方误差MSE计算得到收缩强度λ；根据概率与熵值的转换公式，得到James‑Stein估计熵值；通过概率分布的β矩求导简化Dirichlet先验分布下的贝叶斯熵值估计，将两种熵值估计器得到的值转换为互信息矩阵；计算与互信息矩阵类似的Z‑score矩阵，将两个矩阵组合得到初始基因调控网络；根据路径一致算法进行遍历，通过动态阈值对基因调控网络中基因间关系进一步进行筛选，得到最终的基因调控网络。本发明解决了现有技术中构建网络存在大量错误调控关系的问题，得到了更准确的基因调控网络。
-
公开(公告)号：CN114925837A
公开(公告)日：2022-08-19
申请号：CN202210294214.9
申请日：2022-03-23
Applicant: 华中农业大学
Abstract: 本发明公开了一种基于混合熵优化互信息的基因调控网络构建方法，该方法包括：根据设置的离散度对基因表达连续型数据进行离散化处理，根据真实概率与James‑Stein估计概率产生的均方误差MSE计算得到收缩强度λ；根据概率与熵值的转换公式，得到James‑Stein估计熵值；通过概率分布的β矩求导简化Dirichlet先验分布下的贝叶斯熵值估计，将两种熵值估计器得到的值转换为互信息矩阵；计算与互信息矩阵类似的Z‑score矩阵，将两个矩阵组合得到初始基因调控网络；根据路径一致算法进行遍历，通过动态阈值对基因调控网络中基因间关系进一步进行筛选，得到最终的基因调控网络。本发明解决了现有技术中构建网络存在大量错误调控关系的问题，得到了更准确的基因调控网络。
-
-
-
Search Results
4
records
(took 0.016 seconds)
