Startsida
Hjälp
Sök i LIBRIS databas

     

 

Sökning: onr:v5hz0c50sxd3tnp1 > Piecewise multivari...

Piecewise multivariate modelling of sequential metabolic profiling data [Elektronisk resurs]

Rantalainen, Mattias (författare)
Cloarec, Olivier (författare)
Ebbels, Timothy (författare)
Lundstedt, Torbjörn (författare)
Nicholson, Jeremy (författare)
Holmes, Elaine (författare)
Trygg, Johan (författare)
Computational Life Science Cluster (CLiC) (medarbetare)
Umeå universitet Teknisk-naturvetenskapliga fakulteten (utgivare)
Publicerad: BioMed Central, 2008
Engelska.
Ingår i: BMC Bioinformatics. - 1471-2105. ; 9
Läs hela texten
Läs hela texten
Läs hela texten
Läs hela texten
  • E-artikel/E-kapitel
Sammanfattning Ämnesord
Stäng  
  • Background: Modelling the time-related behaviour of biological systems is essential for understanding their dynamic responses to perturbations. In metabolic profiling studies, the sampling rate and number of sampling points are often restricted due to experimental and biological constraints. Results: A supervised multivariate modelling approach with the objective to model the time-related variation in the data for short and sparsely sampled time-series is described. A set of piecewise Orthogonal Projections to Latent Structures (OPLS) models are estimated, describing changes between successive time points. The individual OPLS models are linear, but the piecewise combination of several models accommodates modelling and prediction of changes which are non-linear with respect to the time course. We demonstrate the method on both simulated and metabolic profiling data, illustrating how time related changes are successfully modelled and predicted. Conclusion: The proposed method is effective for modelling and prediction of short and multivariate time series data. A key advantage of the method is model transparency, allowing easy interpretation of time-related variation in the data. The method provides a competitive complement to commonly applied multivariate methods such as OPLS and Principal Component Analysis (PCA) for modelling and analysis of short time-series data. 

Ämnesord

Natural Sciences  (hsv)
Biological Sciences  (hsv)
Naturvetenskap  (hsv)
Biologiska vetenskaper  (hsv)

Genre

government publication  (marcgt)
Inställningar Hjälp

Beståndsinformation saknas

Om LIBRIS
Sekretess
Blogg
Hjälp
Fel i posten?
Kontakt
Teknik och format
Sök utifrån
Sökrutor
Plug-ins
Bookmarklet
Anpassa
Textstorlek
Kontrast
Vyer
LIBRIS söktjänster
SwePub
Sondera
Uppsök

Kungliga biblioteket hanterar dina personuppgifter i enlighet med EU:s dataskyddsförordning (2018), GDPR. Läs mer om hur det funkar här.
Så här hanterar KB dina uppgifter vid användning av denna tjänst.

Copyright © LIBRIS - Nationella bibliotekssystem

 
pil uppåt Stäng

Kopiera och spara länken för att återkomma till aktuell vy