【转录调控网络】典型的基因转录调控网络推导方法——奇异值分解
作者:互联网
基因转录调控网络推导方法——奇异值分解
奇异值分解
是线性代数中的一种矩阵分解方法,在信号处理和统计学等领域应用广泛。目前,奇异值分解已被广泛应用在大规模基因表达数据分析。例如Yeung等利用奇异值分解法在稀疏条件下重建了基因调控网络,实验证明该方法具有较高的准确性,而且具有较低的计算复杂度。
为了减少复杂度,这种方法只考虑了稳态情况下的调控关系,并用一个线性微分方程组
(方程1)来表示:
d
x
i
(
t
)
d
t
=
−
λ
i
x
i
(
t
)
+
∑
j
=
1
n
W
i
j
x
i
(
t
)
+
b
(
t
)
+
ξ
i
(
t
)
,
i
=
1
,
2
,
.
.
.
n
\frac{\mathrm{d} x_i(t)}{\mathrm{d} t} = -\lambda_i x_i(t)+\sum\nolimits_{j=1}^{n}{W_{ij} x_i(t)}+b(t)+\xi _i(t), i=1,2,...n
dtdxi(t)=−λixi(t)+∑j=1nWijxi(t)+b(t)+ξi(t),i=1,2,...n
上式中,
x
i
(
t
)
(
i
=
1
,
2
,
.
.
.
,
n
)
x_i(t)(i=1,2,...,n)
xi(t)(i=1,2,...,n)反应了基因
i
i
i的表达水平;
λ
i
\lambda_i
λi是基因
i
i
i的自我降解率;
b
(
t
)
b(t)
b(t)是外部因素;
ξ
i
(
t
)
\xi_i(t)
ξi(t)是噪声;
W
i
j
W_{ij}
Wij是调控矩阵元素,表示基因
j
j
j对基因
i
i
i的调控类型和调控强度,正数表示激活,负数表示降解,零表示没有调控关系。
在外部刺激条件
(
b
1
,
b
2
,
.
.
.
,
b
n
)
T
(b_1,b_2,...,b_n)^T
(b1,b2,...,bn)T干扰下,n个不同基因的表达量分别记为
(
x
1
,
x
2
,
.
.
.
,
x
n
)
T
(x_1,x_2,...,x_n)^T
(x1,x2,...,xn)T:
X
=
(
x
1
(
1
)
x
1
(
2
)
.
.
.
x
1
(
m
)
x
2
(
1
)
x
2
(
2
)
.
.
.
x
2
(
m
)
.
.
.
.
.
.
.
.
.
.
.
.
x
n
(
1
)
x
n
(
2
)
.
.
.
x
n
(
m
)
)
X = \begin{pmatrix} x_1(1) &x_1(2) &... &x_1(m) \\ x_2(1) &x_2(2) &... &x_2(m) \\ ... &... &... &... \\ x_n(1) &x_n(2) &... &x_n(m) \end{pmatrix}
X=⎝⎜⎜⎛x1(1)x2(1)...xn(1)x1(2)x2(2)...xn(2)............x1(m)x2(m)...xn(m)⎠⎟⎟⎞
上式中,
x
i
(
j
)
x_i(j)
xi(j)表示在第
j
j
j个样本(干扰)中第
i
i
i个基因的表达。
将(方程1)写成矩阵的形式(方程2):
X
ˇ
=
J
X
+
B
\check{X} = JX+B
Xˇ=JX+B
这里忽略了噪声,自我降解率
ξ
i
(
t
)
\xi_i(t)
ξi(t)被
J
i
j
J_{ij}
Jij合并用来简化公式。
X
ˇ
=
d
X
(
t
)
d
t
\check{X} = \frac{\mathrm{d} X(t)}{\mathrm{d} t}
Xˇ=dtdX(t),
B
=
[
b
i
(
j
)
]
,
i
=
1
,
2
,
.
.
.
,
n
,
j
=
1
,
2
,
.
.
.
,
m
,
J
i
j
=
W
i
j
−
δ
i
j
λ
i
B=[b_i(j)], i=1,2,...,n,j=1,2,...,m,J_{ij}=W_{ij}-\delta _{ij}\lambda _i
B=[bi(j)],i=1,2,...,n,j=1,2,...,m,Jij=Wij−δijλi为函数,即(方程3):
δ
i
j
=
{
1
i
=
j
0
i
≠
j
\delta _{ij}=\begin{cases} 1 & i = j \\ 0 & i \ne j \end{cases}
δij={10i=ji=j
通过奇异值分解,我们可以把
X
T
X^T
XT分解为
X
T
=
U
E
V
T
X^T=UEV^T
XT=UEVT,其中
U
U
U是一个左特征向量的
m
×
n
m\times n
m×n阶酉矩阵,
E
=
d
i
a
g
(
e
1
,
e
2
,
.
.
.
,
e
n
)
E=diag(e_1,e_2,...,e_n)
E=diag(e1,e2,...,en)是包含n个特征值的n×n阶主对角线矩阵,
V
T
V^T
VT是右特征向量的n×n阶酉矩阵,我们可以得到方程的解(方程4):
J
^
=
(
X
ˇ
−
B
)
U
E
−
1
V
T
\hat{J} = (\check{X}-B ) UE^{-1}V^T
J^=(Xˇ−B)UE−1VT
式中,
E
−
1
=
d
i
a
g
(
1
/
e
i
)
E^{-1}=diag(1/e_i)
E−1=diag(1/ei),如果
e
i
=
0
e_i=0
ei=0,则令
1
/
e
i
=
0
1/e_i=0
1/ei=0。所以可以得到方程的一般相互关系矩阵解
J
=
[
J
i
j
]
n
×
n
J=[J_{ij}]_{n\times n}
J=[Jij]n×n,即(方程5):
J
=
(
X
ˇ
−
B
)
U
E
−
1
V
T
+
Y
V
T
=
J
^
+
Y
V
T
J=(\check{X}-B)UE^{-1}V^T+YV^T=\hat{J}+YV^T
J=(Xˇ−B)UE−1VT+YVT=J^+YVT
式中,
Y
=
[
y
i
j
]
n
×
n
Y=[y_{ij}]_{n\times n}
Y=[yij]n×n是一个n×n阶矩阵,若
e
i
≠
0
e_i \ne 0
ei=0,则
y
i
j
=
0
y_{ij}=0
yij=0;若
e
i
=
0
e_i = 0
ei=0,则
y
i
j
y_{ij}
yij为任意常数。每个J代表一个依赖于Y与芯片数据的网络。
由于奇异值分解会导致非唯一解,这就需要一定的约束从所有解之中分离出真正的解。由于真正的基因调控网络通常是稀疏的,就是说每个基因一般只与所有基因中的一小部分基因相互作用,因此稀疏性是合理的约束条件。Yeung等基于此点利用优化方法使J的
L
1
L_1
L1值最小,即(方程6):
min
Y
∣
J
^
+
Y
V
T
∣
\min_{Y}|\hat{J}+YV^T|
Ymin∣J^+YVT∣
Yeung等在文献中通过多个实验证明,奇异值分解方法推出的基因调控网络具有较高的准确性,但是需要注意的是,这种方法只适合基因调控网络的线性模型。
代码实现:
numpy当中封装了现成的SVD分解方法。我们直接调用np.linalg.svd接口即能完成矩阵的分解:
import numpy as np
from sklearn.datasets import load_breast_cancer
cancer = load_breast_cancer()
data, label = cancer.data, cancer.target
U, Sigma, V = np.linalg.svd(data)
执行结果:
这里的Sigma返回的是一个向量,代替了对角矩阵,节省了存储开销。可以通过找出最小的K,使得K个奇异值占据整体奇异值95%以上的和。这里可以看到,我们选出了5个奇异值就占据所有奇异值和的99%以上:
总结:
SVD和PCA一样底层都是基于矩阵的线性操作完成的,通过SVD的性质,我们可以对原数据进行压缩和转化。基于这一点,衍生出了许多的算法和应用场景,其中最经典的要属推荐系统中的协同过滤了。
矩阵近似值
奇异值分解在统计中的主要应用为主成分分析(PCA),它是一种数据分析方法,用来找出大量数据中所隐含的“模式”,它可以用在模式识别,数据压缩等方面。PCA算法的作用是把数据集映射到低维空间中去。
数据集的特征值(在SVD中用奇异值表征)按照重要性排列,降维的过程就是舍弃不重要的特征向量的过程,而剩下的特征向量张成空间为降维后的空间。
正交矩阵
正交矩阵是实数特殊化的酉矩阵,因此总是正规矩阵。尽管我们在这里只考虑实数矩阵,
这个定义可用于其元素来自任何域的矩阵。正交矩阵毕竟是从内积自然引出的,对于复
数的矩阵这导致了归一要求。注意正交矩阵的定义:n阶‘实矩阵’ A称为正交矩阵,如果:A×A′=E(E为单位矩阵,
A’表示“矩阵A的转置矩阵”。) 若A为正交阵,则下列诸条件是等价的:
- A 是正交矩阵
- A×A′=E(E为单位矩阵)
- A′是正交矩阵
- A的各行是单位向量且两两正交
- A的各列是单位向量且两两正交
- (Ax,Ay)=(x,y) x,y∈R
标签:...,调控,基因,矩阵,网络,ij,正交,转录,奇异 来源: https://blog.csdn.net/ARPOSPF/article/details/120739575