Поэтому - также гауссовский вектор и для него можно построить функцию максимального правдоподобия:
Дифференцируя ее по и , и приравнивая производные к нулю, находим оценки методом максимального правдоподобия:
Таким образом:
Для оценки качества приближения теоретических данных используется критерий AIC:
Лучшей является та модель, величина которой меньше. Окончательно, метод можно описать следующим образом:
Алгоритм
1. Фиксируем ген-мишень.
2. Добавляем в модель один случайный ген-регулятор.
3. Составляем матрицу , вектор и находим оценки , далее находим и .
. Повторяем шаг 3 для всех потенциальных регуляторов, выбираем оптимальный, т.е. регулятор для которого полученное значение наименьшее.
. Фиксируем выбранный оптимальный регулятор.
. Повторяем шаги 3-4, добавляя в модель с фиксированным регулятором дополнительный регулятор и находим регулятор который в паре с фиксированным представляет оптимальную модель.
. Продолжаем добавлять новые регуляторы, пока не случится одно из двух
a. AIC начнет возрастать.
b. Количество регуляторов достигнет некоторого ограничения.
Алгоритм отличается высокой скоростью работы.
|