Biclustering Methods via Sparse Penalty

要約

この論文では、まず、遺伝子発現データ内の最も重要なクラスターを特定するために使用されるいくつかのバイクラスターリング方法をレビューしました。
ここでは主にSSVD(スパースSVD)法に焦点を当て、スパース性を獲得するために因子分析でのみ使用されてきた「プレネットペナルティ」と呼ばれる新しいスパースペナルティを試みました。
次に、シミュレーション研究では、生成されたさまざまなタイプのデータセット (スパース性と次元が異なる) を試し、1 層の近似を次に k 層で試しました。これは、混合プレネット ペナルティが重複しないデータに対して非常に効果的であることを示しています。
最後に、実際の遺伝子発現データを使用して、メソッドの動作を示しました。

要約(オリジナル)

In this paper, we first reviewed several biclustering methods that are used to identify the most significant clusters in gene expression data. Here we mainly focused on the SSVD(sparse SVD) method and tried a new sparse penalty named ‘Prenet penalty’ which has been used only in factor analysis to gain sparsity. Then in the simulation study, we tried different types of generated datasets (with different sparsity and dimension) and tried 1-layer approximation then for k-layers which shows the mixed Prenet penalty is very effective for non-overlapped data. Finally, we used some real gene expression data to show the behavior of our methods.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google