Таблица 6
Сравнение линейных моделей с разными методами сглаживания
Вид модели |
SSE приближения производной |
SSE приближения профиля |
Средний скор |
Среднее время работы (с.) |
Ядро (7,15) |
0,00102 |
1,2074 |
6,1596 |
0,0137 |
Ядро (8,15) |
0,000994 |
1,1859 |
6,3475 |
0,01355 |
Сплайн 0.01 |
0,005909 |
1,1417 |
3,2208 |
0,01218 |
Сплайн 0.05 |
0,007406 |
1,3962 |
3.0 | |
Сплайн с постоянным весом |
0,002 |
0,5 |
4.3 |
0,0116 |
Стохастическая |
- |
1,22097 |
- |
0.001 |
Рисунок 13. Лучший результат для трех моделей
SSE (Sum of Squared Error) - суммарное квадратичное отклонение
Рисунок 14. Худший результат для трех моделей
SSE (Sum of Squared Error) - суммарное квадратичное отклонение
Далее будем изучать работу ядра с параметрами 8,15, “коридорного” сплайна с погрешность 0.01 и сплайна с постоянным весом. Ясно, что имеет смысл сравнивать модели только на тех генах-мишенях, выбор регуляторов для которых совпал у различных моделей.
Стохастическая модель несет в себе больше биологического смысла за счет моделирования процесса транскрипции с помощью сигма-функции, учитывающей процесс насыщения (т.е. с начиная с какого-то момента увеличение уровня экспрессии регулятора больше не влияет на уровень экспрессии гена-мишени) и добавленной случайной погрешности, которая в эксперименте неизбежна. Кроме того, стохастическая модель требует значительно меньше времени на построение. Однако серьезным недостатком является значительная потеря точности при дискретизации модели, как видно из таблиц 6 и 7, точность стохастической модели хуже, чем у линейной при сглаживании ядром. В таблице 7 приведены результаты для 6 лучших приближений с помощью линейной модели (среди всех случаев, когда 3 варианта реализации выбирали один и тот же регулятор) В приложении 2 на рисунках П2.1-П2.6 приведены соответствующие графики. Видно, что в некоторых случаях стохастическая модель выбирает тот же регулятор, что и линейная, однако чаще они различны и слабо коррелированны.
Таблица 7
Суммарные квадратичные ошибки и AIC для линейных и стохастических моделей регуляции генов
Ген-мишень |
Ядро (8,15) |
“Коридорный” сплайн |
Сплайн с постоянным весом |
Стохастическая модель |
AIC |
YDR225W |
2,257 |
1,782 |
1,3844 |
2,312 |
-18,3794 |
YML034W |
1,13188 |
0,29515 |
0,35275 |
3,3949 |
-34,5137 |
YGL192W |
5,7415 |
0,5534 |
0,25269 |
0,6442 |
-41,301 |
YPL141C |
0,7017 |
0,597962 |
0,46421 |
4,16162 |
-22,2028 |
YMR232W |
14,2411 |
3,89097 |
2,2747309 |
2,52127 |
-10,5695 |
YDR150W |
1,8640 |
0,36604 |
0,375060 |
0,46466 |
-44,0042 |
Перейти на страницу: 1 2 3
|