Forestogram: Biclustering Visualization Framework with Applications in Public Transport and Bioinformatics
Mohammad Sajjad Ghaemi · PolyPublie (École Polytechnique de Montréal) · 2017
projection intuitive est suggérée pour conserver le modèle de données horodatées.Ceci est introduit dans la méthode suggérée pour découvrir le modèle temporel comportemental des utilisateurs.Cette projection conserve la distance temporelle entre toute paire arbitraire de données horodatées avec une visualisation significative.Par conséquent, cette information est introduite dans un algorithme de classification hiérarchique en tant que méthode de segmentation de données pour découvrir le modèle des utilisateurs.Ensuite, l'heure d'utilisation est prise en compte comme une variable latente pour rendre la métrique euclidienne appropriée dans l'extraction du motif spatial à travers notre forestogramme.Comme deuxième application, le forestogramme est testé sur un ensemble de données multiomiques combinées à partir de différentes mesures biologiques pour étudier comment l'état de santé des patientes et les modalités biologiques correspondantes évoluent hiérarchiquement au cours du terme de la grossesse, dans chaque bicluster.Le maintien de la grossesse repose sur un équilibre finement équilibré entre la tolérance à l'allogreffe fœtale et la protection mécanismes contre les agents pathogènes envahissants.Malgré l'impact bien établi du développement pendant les premiers mois de la grossesse sur les résultats à long terme, les interactions entre les divers mécanismes biologiques qui régissent la progression de la grossesse n'ont pas été étudiées en détail.Démontrer la chronologie de ces adaptations à la grossesse à terme fournit le cadre pour de futures études examinant les déviations impliquées dans les pathologies liées à la grossesse, y compris la naissance prématurée et la prééclampsie.Nous effectuons une analyse multi-physique de 51 échantillons de 17 femmes enceintes, livrant à terme.Les ensembles de données comprennent des mesures de l'immunome, du transcriptome, du microbiome, du protéome et du métabolome d'échantillons obtenus simultanément chez les mêmes patients.La modélisation prédictive multivariée utilisant l'algorithme Elastic Net est utilisée pour mesurer la capacité de chaque ensemble de données à prédire l'âge gestationnel.En utilisant la généralisation empilée, ces ensembles de données sont combinés en un seul modèle.Ce modèle augmente non seulement significativement le pouvoir prédictif en combinant tous les ensembles de données, mais révèle également de nouvelles interactions entre différentes modalités biologiques.En outre, notre forestogramme suggéré est une autre ligne directrice avec l'âge gestationnel au moment de l'échantillonnage qui fournit un modèle non supervisé pour montrer combien d'informations supervisées sont nécessaires pour chaque trimestre pour caractériser les changements induits par la grossesse dans Microbiome, Transcriptome, Génome, Exposome et Immunome réponses efficacement.v