Komputerowa analiza sieci genowych

Slides:



Advertisements
Podobne prezentacje
Przejścia fazowe w modelu Isinga na sprzężonych sieciach złożonych
Advertisements

HERD BEHAVIOR AND AGGREGATE FLUCTUATIONS IN FINANCIAL MARKETS Rama Cont & Jean-Philipe Bouchaud. Macroeconomic Dynamics, 4, 2000, Cambridge University.
Algorytm Dijkstry (przykład)
Małgorzata Gozdecka Dominika Rudnicka
Elementy Modelowania Matematycznego
Estymacja przedziałowa
Jak mierzyć asymetrię zjawiska?
Jak mierzyć zróżnicowanie zjawiska? Wykład 4. Miary jednej cechy Miary poziomu Miary dyspersji (zmienności, zróżnicowania, rozproszenia) Miary asymetrii.
Miary jednej cechy Miary poziomu Miary dyspersji Miary asymetrii (skośności)
Dr inż. Bożena Mielczarek
wyrównanych spostrzeżeń pośredniczących i ich funkcji
Rachunek Wyrównawczy Wyrównanie spostrzeżeń bezpośrednich
Mgr Sebastian Mucha Schemat doświadczenia:
Niepewności przypadkowe
Wykład 4 Rozkład próbkowy dla średniej z rozkładu normalnego
Wykład 3 Rozkład próbkowy dla średniej z rozkładu normalnego
Wprowadzenie do statystycznej analizy danych (SPSS)
Test t-studenta dla pojedynczej próby
Rozkład normalny Cecha posiada rozkład normalny jeśli na jej wielkość ma wpływ wiele niezależnych czynników, a wpływ każdego z nich nie jest zbyt duży.
Wykład 4. Rozkłady teoretyczne
Komputerowa analiza sieci genowych (GRN)
Komputerowa analiza sieci genowych (GRN)
Komputerowa analiza sieci genowych (GRN) Agnieszka Marmołowska Jacek Ławrynowicz Promotor: prof. Krzysztof Giaro.
Komputerowa analiza sieci genowych (GRN) Agnieszka Marmołowska Jacek Ławrynowicz Promotor: prof. Krzysztof Giaro.
Komputerowa analiza sieci genowych (GRN) Agnieszka Marmołowska Promotor: prof. Krzysztof Giaro.
Komputerowa analiza sieci genowych
Analiza sieci genowych Agnieszka Marmołowska Jacek Ławrynowicz.
Komputerowa analiza sieci genowych (GRN) Agnieszka Marmołowska Jacek Ławrynowicz Promotor: prof. Krzysztof Giaro.
Hipotezy statystyczne
czyli jak analizować zmienność zjawiska w czasie?
Projektowanie architektur systemów filtracji i akwizycji danych z wykorzystaniem modelowania w domenie zdarzeń dyskretnych Krzysztof Korcyl.
Analiza współzależności cech statystycznych
Elementy Rachunku Prawdopodobieństwa i Statystyki
Rozkłady wywodzące się z rozkładu normalnego standardowego
Analiza wariancji jednoczynnikowa.
na podstawie materiału – test z użyciem komputerowo generowanych prób
Autor: Lidia Dudziec Promotor: dr inż. Magdalena Mlek
Modelowanie populacji i przepływu opinii pomiędzy aktorami sztucznej inteligencji za pomocą sieci społecznej Wojciech Toman.
Prognozowanie z wykorzystaniem modeli ekonometrycznych
Działanie 9.2 Efektywna dystrybucja energii
autorzy: Michał Przykucki Małgorzata Sulkowska
Hipotezy statystyczne
Systemy kolejkowe - twierdzenie Little’a
Planowanie badań i analiza wyników
Jacek Wasilewski Politechnika Warszawska Instytut Elektroenergetyki
Testowanie hipotez statystycznych
Porównywanie średnich prób o rozkładach normalnych (testy t-studenta)
Wnioskowanie statystyczne
Komputerowa analiza sieci genowych (GRN) Agnieszka Marmołowska Jacek Ławrynowicz Promotor: prof. Krzysztof Giaro.
Metody Matematyczne w Inżynierii Chemicznej Podstawy obliczeń statystycznych.
Statystyka w doświadczalnictwie Wydział Technologii Drewna SGGW Studia II stopnia Wykład 3.
Weryfikacja hipotez statystycznych
Przenoszenie błędów (rachunek błędów) Niech x=(x 1,x 2,...,x n ) będzie n-wymiarową zmienną losową złożoną z niezależnych składników o rozkładach normalnych.
Składowe szeregu czasowego
Testowanie hipotez Jacek Szanduła.
Jak mierzyć asymetrię zjawiska? Wykład 5. Miary jednej cechy  Miary poziomu  Miary dyspersji (zmienności, zróżnicowania, rozproszenia)  Miary asymetrii.
Statystyczna Analiza Danych SAD2 Wykład 4 i 5. Test dla proporcji (wskaźnika struktury) 2.
Statystyczna analiza danych SAD2 Wykład 5. Testy o różnicy wartości średnich dwóch rozkładów normalnych (znane wariancje) Statystyczna analiza danych.
Model trendu liniowego
Modele sieci społecznych
Treść dzisiejszego wykładu l Weryfikacja statystyczna modelu ekonometrycznego –błędy szacunku parametrów, –istotność zmiennych objaśniających, –autokorelacja,
Rozkłady statystyk z próby dr Marta Marszałek Zakład Statystyki Stosowanej Instytut Statystyki i Demografii Kolegium.
Fizyka komputerowa 2005 Katarzyna Weron, W sieci.
STATYSTYKA – kurs podstawowy wykład 8 dr Dorota Węziak-Białowolska Instytut Statystyki i Demografii.
Modele nieliniowe sprowadzane do liniowych
STATYSTYKA – kurs podstawowy wykład 11
Elementy analizy sieciowej
Rozkład z próby Jacek Szanduła.
Własności asymptotyczne ciągów zmiennych losowych
Test t-studenta dla pojedynczej próby
Zapis prezentacji:

Komputerowa analiza sieci genowych Agnieszka Olszewska Jacek Ławrynowicz Promotor: prof. Krzysztof Giaro

Cele pracy Poznanie metod analizy sieci Wytworzenie oprogramowania do komputerowej analizy sieci Analiza przykładowych sieci przy pomocy wytworzonego oprogramowania

Analizowane sieci 1/2 Sieci biologiczne: Sieci regulacji genowych E. coli Sieci oddziaływań białkowych H. pylori, C. elegans Sztucznie wyewoluowane sieci regulacji genowych E. Coli – RegulonDB, reszta DIP 40 populacji, 300 sieci, 7v 4 populacje 300 sieci, 9v

Analizowane sieci 2/2 Sieci społeczne Sieci technologiczne Sieci losowe: Model Erdős-Rényi Model Barabási-Albert Model małego świata Graf Kroneckera

Parametry sieci Poziomy analizy sieci: Pojedyncza sieć Populacja sieci Zbiór populacji sieci Parametry skalarne, wektorowe, statystyczne

Parametry – pojedyncza sieć Stopień wierzchołka (rozkład)

Parametry – pojedyncza sieć Współczynnik klasteryzacji Rozkład – Średnia 0,02 – GRN E. coli 0,28 – sieć BA

Parametry - pojedyncza sieć Współczynnik selektywności Sieć Współczynnik selektywności sieci rzeczywistej Średni współczynnik selektywności 100 sieci losowych o analogicznej wielkości Sieć regulacji genowych E. coli -0,33 Sieć interakcji białkowych C. elegans -0,16 -0,005 Sieć interakcji białkowych H. Pylori -0,22 -0,004 Sieć WWW STUBA 0,73 0,002 Sieć społeczna WikiVote 0,1

Parametry – zbiór populacji Średnica Ścieżka charakterystyczna

Parametry – zbiór populacji Współczynnik selektywności Współczynnik klasteryzacji

Porównywanie sieci Porównywanie parametrów sieci 0,06 -0,16 4,6 15 Współczynnik klasteryzacji Współczynnik selektywności Średnica Ścieżka charakterystyczna Sieć interakcji białkowych C. elegans 0,06 -0,16 4,6 15 Sieć interakcji białkowych H. pylori 0,08 -0,22 4,95 14

Porównywanie sieci Graflety Rozkłady stopni grafletów Wartości średnie Ocena metody Typ średniej Wartość średniej Średnia arytmetyczna 0,596 Średnia geometryczna