Microarray 실험에서 Time course data에 관한 결측치 추정방법들에 대한 비교

Abstract

[한글]

유전자칩 실험은, 여러 실험조건 아래 유전자의 표현정도가 큰 형태의 행렬 데이터로 얻어지는데 , 얻어지는 과정에서 자주 결측치가 발생하게 된다. 이런 결측 데이터를 정확도 높게 예측할수 있다면, 완전한 데이터를 요구하는 분석 기법에서 보다 정확한 결과를 얻을수가 있을것 이다. time course 실험 에서의 유전자 데이터에서 회귀 분석과, SVD, KNN, EM 알고리즘을 사용하여 어느것이 가장 적중률이 높은지를 평가하였다. 결측치가 작을경우에는 SVD 알고리즘이 가장 적중률이 높았으며, regression 방법이 가장 낮았다. SVD, regression, EM 알고리즘이 결측치 비율에 대해 적중률이 단조증가하는 양상을 보이고 KNN 방법이 적중률에 대해 차이가 많은 패턴을 보였다.결측치의 비율이 증가함에 따라, EM 알고리즘이 다른 방법들에 비해, 적중률이 높아 지는 것을 알 수가 있었다.

[영문]DNA microarray experiment is got with matrix data of the form that a lot of experiment condition following gene expression level is large, but missing data is occurred in a got process. If predict can do missing data accurately, we can get the more correct results in an analysis technique to request complete data.we used regression, SVD, KNN, and EM algorithm so that comparison evaluated what it was that accuracy was the highest. When missing data is small, the accuracy which used SVD algorithm was the highest and the accuracy which used regression was the lowest.On missing data propotion, SVD, regression, EM algorithm showed the aspect that accrucy increased, and KNN algorithm showed a pattern to have a lot of different pattern for accuracy. EM algorithm compared to three other method according to propotion of missing value increasing and, accuracy was high increased on missing data propotion