Sparse Additive Ordinary Differential Equations for Dynamic Gene Regulatory Network Modeling
动态基因调控网络建模的稀疏可加常微分方程AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要研究生物基因调控网络的动态方程，未提供经济网络、干扰或计量因果识别的直接依据。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
动态基因调控网络建模的稀疏可加常微分方程
- 研究问题
- 对于高维动态基因调控网络，如何突破线性常微分方程的调控效应限制，并在允许非线性作用的同时筛选稀疏调控关系？
- 方法与思路
- 作者提出稀疏可加常微分方程模型，将常微分方程估计方法与自适应组 Lasso 结合，以估计并筛选非线性调控作用。
- 材料陈述的贡献
- 摘要称建立所提方法的渐近性质，并通过模拟验证和 T 细胞激活的非线性动态调控网络应用展示模型的实用性。
- 阅读关注点
- 应核对可加项的函数表示、方程估计与变量选择的衔接、采样及渐近条件，以及网络边的解释是否需要额外识别假设。
- 阅读边界
- 依据版本未注明的 OpenAlex 索引摘要；渐近性质的具体内容和网络识别条件未说明，不能自动将估计调控边视为因果关系，不能推断刊本变化。
原文摘要
The gene regulation network (GRN) is a high-dimensional complex system, which can be represented by various mathematical or statistical models. The ordinary differential equation (ODE) model is one of the popular dynamic GRN models. High-dimensional linear ODE models have been proposed to identify GRNs, but with a limitation of the linear regulation effect assumption. In this article, we propose a sparse additive ODE (SA-ODE) model, coupled with ODE estimation methods and adaptive group LASSO techniques, to model dynamic GRNs that could flexibly deal with nonlinear regulation effects. The asymptotic properties of the proposed method are established and simulation studies are performed to validate the proposed approach. An application example for identifying the nonlinear dynamic GRN of T-cell activation is used to illustrate the usefulness of the proposed method.