Método de construcción de redes booleanas probabilísticas basado en información imperfecta
Autores: Umiji, Katsuaki; Kobayashi, Koichi; Yamashita, Yuh
Idioma: Inglés
Editor: MDPI
Año: 2019
Acceso abierto
Artículo científico
2019
Método de construcción de redes booleanas probabilísticas basado en información imperfecta
Categoría
Ingeniería y Tecnología
Subcategoría
Ingeniería de Software
Palabras clave
Redes de regulación génica
Funciones booleanas
Pbn
Método de construcción
Probabilidades de selección
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 33
Citaciones: Sin citaciones
Una red booleana probabilística (PBN) es conocida como uno de los modelos matemáticos de las redes de regulación génica. En una red booleana, la expresión de un gen se aproxima mediante un valor binario, y su evolución en el tiempo se expresa mediante funciones booleanas. En una PBN, una función booleana se elige de manera probabilística entre candidatos de funciones booleanas. Uno de los autores ha propuesto un método para construir una PBN a partir de información imperfecta. Sin embargo, existe una debilidad en que el número de candidatos de funciones booleanas puede ser redundante. En este artículo, se mejora este método de construcción para utilizar eficientemente la información proporcionada. Para derivar funciones booleanas y las probabilidades de selección, se resuelve un problema de programación lineal. Aquí, introducimos la función objetivo para reducir el número de candidatos. El método propuesto se demuestra mediante un ejemplo numérico.
Descripción
Una red booleana probabilística (PBN) es conocida como uno de los modelos matemáticos de las redes de regulación génica. En una red booleana, la expresión de un gen se aproxima mediante un valor binario, y su evolución en el tiempo se expresa mediante funciones booleanas. En una PBN, una función booleana se elige de manera probabilística entre candidatos de funciones booleanas. Uno de los autores ha propuesto un método para construir una PBN a partir de información imperfecta. Sin embargo, existe una debilidad en que el número de candidatos de funciones booleanas puede ser redundante. En este artículo, se mejora este método de construcción para utilizar eficientemente la información proporcionada. Para derivar funciones booleanas y las probabilidades de selección, se resuelve un problema de programación lineal. Aquí, introducimos la función objetivo para reducir el número de candidatos. El método propuesto se demuestra mediante un ejemplo numérico.