本發(fā)明公開了一種基于隱馬爾科夫模型檢測復雜生物系統(tǒng)相變臨界點的方法,通過研究高通量數(shù)據(jù)提供的豐富動態(tài)信息和利用正常狀態(tài)和疾病前狀態(tài)之間的不同動態(tài)特性,使用一個差異網(wǎng)絡去檢測從正常狀態(tài)(一個平穩(wěn)的馬爾科夫過程)到疾病前狀態(tài)(一個時變的馬爾科夫過程)這兩種馬爾科夫過程的交換點,從而確定疾病前狀態(tài)或相變的早期預警信號。為了驗證有效性,本發(fā)明將該算法應用于一個基于模擬數(shù)據(jù)集的調(diào)控網(wǎng)絡和三個真實的數(shù)據(jù)集。這三個真實數(shù)據(jù)集分別是:小鼠實驗中通過吸入羰基氯引發(fā)肺水腫生成的基因表達譜數(shù)據(jù)集、從小鼠實驗中獲得硝酸銀化學燒傷后急性角膜損傷的微陣列數(shù)據(jù)集、由HRG引起的MCF?7人類乳腺癌數(shù)據(jù)集。
聲明:
“基于隱馬爾科夫模型檢測復雜生物系統(tǒng)相變臨界點的方法” 該技術專利(論文)所有權利歸屬于技術(論文)所有人。僅供學習研究,如用于商業(yè)用途,請聯(lián)系該技術所有人。
我是此專利(論文)的發(fā)明人(作者)