Serwis Infona wykorzystuje pliki cookies (ciasteczka). Są to wartości tekstowe, zapamiętywane przez przeglądarkę na urządzeniu użytkownika. Nasz serwis ma dostęp do tych wartości oraz wykorzystuje je do zapamiętania danych dotyczących użytkownika, takich jak np. ustawienia (typu widok ekranu, wybór języka interfejsu), zapamiętanie zalogowania. Korzystanie z serwisu Infona oznacza zgodę na zapis informacji i ich wykorzystanie dla celów korzytania z serwisu. Więcej informacji można znaleźć w Polityce prywatności oraz Regulaminie serwisu. Zamknięcie tego okienka potwierdza zapoznanie się z informacją o plikach cookies, akceptację polityki prywatności i regulaminu oraz sposobu wykorzystywania plików cookies w serwisie. Możesz zmienić ustawienia obsługi cookies w swojej przeglądarce.
Various multivariate time series analysis techniques have been developed with the aim of inferring causal relations between time series. Previously, these techniques have proved their effectiveness on economic and neurophysiological data, which normally consist of hundreds of samples. However, in their applications to gene regulatory inference, the small sample size of gene expression time series...
Based on the correlation between expression and ontology-driven gene similarity, we incorporate functional annotations into gene expression clustering validation. A probabilistic framework is proposed to accommodate incomplete annotations, after establishing a new term-term distance measure based on graph theory. Comprehensive evaluations are performed on six clustering algorithms. This study is the...
In this paper we demonstrate the inherent robustness of minimum distance estimator that makes it a potentially powerful tool for parameter estimation in gene expression time course analysis. To apply minimum distance estimator to gene expression clustering, a partial mixture model that can naturally incorporate replicate information and allow scattered genes is formulated specially for tight clustering...
A key challenge of gene expression time series research is the development of efficient and reliable probabilistic models. In response, we propose an unsupervised conditional random fields (CRFs) model for gene expression time series clustering. Conditional random fields have demonstrated superior performance over generative models such as hidden Markov models (HMMs) in terms of computational efficiency...
Podaj zakres dat dla filtrowania wyświetlonych wyników. Możesz podać datę początkową, końcową lub obie daty. Daty możesz wpisać ręcznie lub wybrać za pomocą kalendarza.