Aprendizaje Dinámico de Redes Bayesianas, Aplicado a Redes Regulatorias Genéticas
Fuente:
Universidad Tecnológica de la Mixteca
En las últimas décadas las redes regulatorias genéticas han sido ampliamente estudiadas, éstas se construyen considerando las interacciones complejas entre los genes y las proteínas; uno de los problemas en esta área es poder decidir a qué red corresponden los datos obtenidos, esto se conoce como ap...
Gespeichert in:
| Hauptverfasser: | , , |
|---|---|
| Format: | bookPart |
| Sprache: | Spanisch |
| Veröffentlicht: |
Universidad Tecnológica de la Mixteca
2018
|
| Schlagworte: | |
| Online-Zugang: | |
| Tags: |
Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
|
| Zusammenfassung: | En las últimas décadas las redes regulatorias genéticas han sido ampliamente estudiadas, éstas se construyen considerando las interacciones complejas entre los genes y las proteínas; uno de los problemas en esta área es poder decidir a qué red corresponden los datos obtenidos, esto se conoce como aprendizaje de redes. Existen diversos modelos utilizados para representar una red regulatoria, siendo las redes bayesianas uno de ellos. Las redes bayesianas son de dos tipos, estáticas o dinámicas, las dinámicas a comparación de las estáticas han sido muy poco estudiadas dentro del aprendizaje de los datos de expresión de los genes. La función de puntuación teórica conocida como prueba de información mutua introduce la dinámica en el aprendizaje de una red bayesiana. Esta medida tiene la posibilidad de construir una prueba estadística de independencia basada en la distribución X2 que sirve para penalizar dentro de la red bayesiana dinámica los grados de interacción entre cada variable y sus variables padres. En este trabajo usamos la prueba de información mutua para obtener una red bayesiana dinámica mediante un algoritmo. En particular se aplica a la red regulatoria de la flor Arabidopsis Thaliana encargada del control genético de la morfogénesis de la flor. Se presenta al final el análisis de la información obtenida. |
|---|