Abstract:
Inferência de redes de regulação gênica a partir de dados de expressão esparsos e na presença de ruído ainda é um desao nos dias de hoje. Nesse trabalho, foram utilizados dois Algoritmos de Estimação de Distribuição distintos para inferir uma Rede de Regulação Gênica. A m de avaliá-los, os algoritmos foram aplicados em três tipos de dados: (i) dados simulados a partir de uma distribuição Gaussiana multivariada, (ii) dados simulados a partir de um simulador realista, GeneNetWeaver e (iii) dados a partir de experimentos de citometria de uxo. Os métodos de inferências em questão apresentam um desempenho comparável com algoritmos de inferência tradicionais em termos de precisão na reconstrução da rede.
Inference of Gene Regulatory Networks from sparse and noisy expression data is still a
challenge nowadays. In this work two dierent Estimation of Distribuition Algorithms
were used to infer Gene Regulatory Networks. In order to evaluate them, the algorithms
were applied to three types of data: (i) data simulated from a multivariate Gaussian
distribution, (ii)data simulated from a realistic simulator, GeneNetWeaver and (iii) data
from ow cytometry experiments. The proposed inference method shows a performance
comparable with traditional inference algorithms in terms of the network reconstruction
accuracy.
