Inner composition alignment for inferring directed networks from short time series
- Identifying causal links (couplings) is a fundamental problem that facilitates the understanding of emerging structures in complex networks. We propose and analyze inner composition alignment-a novel, permutation-based asymmetric association measure to detect regulatory links from very short time series, currently applied to gene expression. The measure can be used to infer the direction of couplings, detect indirect (superfluous) links, and account for autoregulation. Applications to the gene regulatory network of E. coli are presented.
| Verfasserangaben: | Stefan Hempel, Aneta Koseska, Jürgen KurthsORCiDGND, Zoran NikoloskiORCiDGND |
|---|---|
| DOI: | https://doi.org/10.1103/PhysRevLett.107.054101 |
| ISSN: | 0031-9007 |
| Titel des übergeordneten Werks (Englisch): | Physical review letters |
| Verlag: | American Physical Society |
| Verlagsort: | College Park |
| Publikationstyp: | Wissenschaftlicher Artikel |
| Sprache: | Englisch |
| Jahr der Erstveröffentlichung: | 2011 |
| Erscheinungsjahr: | 2011 |
| Datum der Freischaltung: | 26.03.2017 |
| Band: | 107 |
| Ausgabe: | 5 |
| Seitenanzahl: | 4 |
| Fördernde Institution: | German BMBF [0313924] |
| Organisationseinheiten: | Mathematisch-Naturwissenschaftliche Fakultät / Institut für Biochemie und Biologie |
| Peer Review: | Referiert |
