44、ProPhyC与ProPhyCC：概率系统发生模型在基因调控网络优化中的应用

ProPhyC与ProPhyCC：概率系统发生模型在基因调控网络优化中的应用

在基因调控网络的研究中，准确推断网络结构是一项具有挑战性的任务。由于数据噪声和推断方法的局限性，推断出的网络往往存在误差。为了解决这个问题，研究人员提出了ProPhyC和ProPhyCC算法，这两种算法基于概率系统发生模型，旨在提高基因调控网络推断的准确性。

1. ProPhyC算法基础

ProPhyC算法通过扩展参数Q为Q′以适应新的字符集S′。Q′的形式如下：
[
Q’ =
\begin{pmatrix}
q’ {00} & q’ {01} & q’ {0x} \
q’ {10} & q’ {11} & q’ {1x} \
q’ {x0} & q’ {x1} & q’ {xx}
\end{pmatrix}
=
\begin{pmatrix}
q {00} & q_{01} & 0 \
q_{10} & q_{11} & 0 \
0 & 0 & 1
\end{pmatrix}
]
由于“真实”网络和相应噪声网络的基因内容相同，Q′中的转移概率与Q保持一致。对于树中每个节点i的每个字符a，通过以下步骤计算Li(a)和Ci(a)：
1. 对于每个叶节点i，如果其对应的噪声网络具有字符b，则对于每个a ∈ S′，设置Li(a) = maxc∈S′ p′ac · q′c