Resumen

En la era del big data, la tecnología de secuenciación ha producido una gran cantidad de datos de secuenciación biológica. Diferentes vistas de los datos del genoma del cáncer proporcionan suficiente información complementaria para explorar la actividad genética. La identificación de genes diferencialmente expresados a partir de datos de genes de cáncer multivista es de gran importancia en el diagnóstico y tratamiento del cáncer. En este artículo, proponemos un método novedoso para identificar genes diferencialmente expresados basado en el análisis de componentes principales robusto tensorial (TRPCA), que extiende el método de matriz al procesamiento de datos de múltiples vías. Para identificar genes diferencialmente expresados, el plan se lleva a cabo de la siguiente manera. Primero, se preparan datos multivista que contienen datos de expresión génica de cáncer de diferentes fuentes. En segundo lugar, el tensor original se descompone en una suma de un tensor de rango bajo y un tensor disperso utilizando TRPCA. En tercer lugar, los genes diferencialmente expresados se consideran señales

• Materias:Modelo de tráfico Sistemas antifrágiles Sistemas multiagente Componentes complejos
• Subjects:Traffic model Anti-fragile systems Multiagent systems Complex components
• Palabras claves:Datos grandes; Tecnología de secuenciación; Datos del genoma del cáncer; Genes diferencialmente expresados; Análisis de componentes principales robusto de tensor; Datos multivista
• Keywords:Big data; Sequencing technology; Cancer genome data; Differentially expressed genes; Tensor robust principal component analysis; Multiview data