search query: @keyword Bayesian networks / total: 9
reference: 7 / 9
« previous | next »
Author:Ajanki, Antti
Title:Geenisäätelyn mallinnus tilanneriippuvilla Bayes-verkoilla
Modeling of gene regulation with context dependent Bayesian networks
Publication type:Master's thesis
Publication year:2006
Pages:87      Language:   fin
Department/School:Sähkö- ja tietoliikennetekniikan osasto
Main subject:Informaatiotekniikka   (T-61)
Supervisor:Kaski, Samuel
Instructor:Nikkilä, Janne
OEVS:
Electronic archive copy is available via Aalto Thesis Database.
Instructions

Reading digital theses in the closed network of the Aalto University Harald Herlin Learning Centre

In the closed network of Learning Centre you can read digital and digitized theses not available in the open network.

The Learning Centre contact details and opening hours: https://learningcentre.aalto.fi/en/harald-herlin-learning-centre/

You can read theses on the Learning Centre customer computers, which are available on all floors.

Logging on to the customer computers

  • Aalto University staff members log on to the customer computer using the Aalto username and password.
  • Other customers log on using a shared username and password.

Opening a thesis

  • On the desktop of the customer computers, you will find an icon titled:

    Aalto Thesis Database

  • Click on the icon to search for and open the thesis you are looking for from Aaltodoc database. You can find the thesis file by clicking the link on the OEV or OEVS field.

Reading the thesis

  • You can either print the thesis or read it on the customer computer screen.
  • You cannot save the thesis file on a flash drive or email it.
  • You cannot copy text or images from the file.
  • You cannot edit the file.

Printing the thesis

  • You can print the thesis for your personal study or research use.
  • Aalto University students and staff members may print black-and-white prints on the PrintingPoint devices when using the computer with personal Aalto username and password. Color printing is possible using the printer u90203-psc3, which is located near the customer service. Color printing is subject to a charge to Aalto University students and staff members.
  • Other customers can use the printer u90203-psc3. All printing is subject to a charge to non-University members.
Location:P1 Ark S80     | Archive
Keywords:Bayesian networks
structure learning
gene expression
Bayes-verkko
rakennehaku
geenien ilmentyminen
Abstract (fin): Solut tulevat toimeen useissa erilaisissa olosuhteissa, koska niiden toimintaa ohjaavien geenien ilmentymisaktiivisuus voi muuttua ympäristöstä tulevien signaalien tai toisten geenien tuottamien proteiinien vaikutuksen perusteella.
Geenien väliset säätelysuhteet määräävät solun käyttäytymisen.
Säätelyverkoston koko ja monimutkaisuus tekevät sen selvittämisestä haastavan ongelman.

Todennäköisyyslaskentaan perustuvat Bayes-verkot ovat eräs yleisesti käytetty esitystapa geenien säätelysuhteiden matemaattiseen mallintamiseen.
Niille on olemassa opetusalgoritmeja, jotka etsivät mitattuihin ilmentymisprofiileihin parhaiten sopivan verkon.
Opitun verkon rakenne voidaan tulkita geenien säätelyverkoksi.

Yleensä Bayes-verkkojen opetusmenetelmät olettavat, että kaikki havainnot on tehty samoissa olosuhteissa.
Jos halutaan tutkia miten säätelyvuorovaikutukset muuttuvat olosuhteiden välillä, eräs tapa olisi opettaa erilliset verkot kuvaamaan eri olosuhteiden havaintoja ja verrata opittuja verkkoja keskenään.
Silloin kunkin verkon opetukseen olisi kuitenkin käytettävissä vain osa opetusnäytteistä, mikä saattaisi johtaa ylisovittumiseen.

Tämä työ esittelee verkkorakenteen ja opetusalgoritmin, joita voidaan käyttää säätelyerojen etsimiseen.
Näytteen mittausolosuhde huomioidaan itsenäisenä luokkamuuttujana.
Uutta työssä on tapa, jolla luokkaa käytetään määräämään solmujen jakaumien riippuvuudet.
Se helpottaa opitun verkon tulkintaa.
Luokkamuuttujan ansiosta kaikki riippuvuudet voidaan esittää yhdessä verkossa, jonka opetukseen voidaan käyttää kaikkia havaintoja.
Esiteltävä opetusalgoritmi löytää automaattisesti ne verkon osat, joissa on eroja luokkien välillä.

Työssä osoitetaan keinotekoisia opetusnäytteitä käyttäen, että ehdotettu opetusalgoritmi tuottaa paremmin oikeaa vastaavia verkkoja kuin oman verkon opettaminen erikseen joka olosuhteelle.
Menetelmää sovelletaan stressaavien olosuhteiden aiheuttamien säätelyerojen etsimiseen hiivassa.
ED:2007-01-10
INSSI record number: 32853
+ add basket
« previous | next »
INSSI