La explosión de datos multiómicos plantea nuevos desafíos a los métodos existentes de minería de datos. El análisis conjunto de datos multiómicos puede aprovechar al máximo la información complementaria proporcionada por diferentes tipos de datos. Por lo tanto, pueden explorar de manera más precisa el mecanismo biológico de las enfermedades. En este artículo, se proponen dos formas de factorización matricial no negativa conjunta basadas en regularización dispersa y del Laplaciano de grafo (SG-jNMF). En el método, la restricción de regularización del grafo puede preservar la estructura geométrica local de los datos. La regularización -norma puede mejorar la dispersión entre las filas y eliminar las características redundantes en los datos. En primer lugar, SG-jNMF1 proyecta datos multiómicos en un subespacio común y aplica la matriz característica de fusión multiómica para extraer la información importante relacionada estrechamente con las enfermedades. En segundo lugar, los datos multiómicos de la misma enfermedad se mapean en el espacio de muestra común mediante SG-jN
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Artículo:
Formación de Autapsis Conectadas a la Neurona y su Función Biológica
Artículo:
Autenticación de usuarios en la era IoE: Ataques, desafíos, evaluación y nuevos diseños
Artículo:
Análisis de Expresiones y Semántica Japonesa Basado en la Clasificación de Secuencias de Enlaces
Artículo:
Agregación de datos resistente a fallos y preservación de la privacidad para la red eléctrica inteligente.
Artículo:
Ley de guiado convergente de tiempo fijo con control del ángulo de impacto.
Libro:
Ergonomía en los sistemas de trabajo
Artículo:
Obtención de gas combustible mediante la bioconversión del alga marina Ulva lactuca
Artículo:
Sistemas de producción y potencial energético de la energía mareomotriz
Artículo:
La necesidad de la planeación estratégica en las organizaciones industriales modernas