Please use this identifier to cite or link to this item:
https://elib.bsu.by/handle/123456789/330905| Title: | Интерпретация динамики энтропии при проведении генетических исследований методом снижения мультифакторной размерности |
| Other Titles: | Entropy dynamics interpretation in genetic studies with the multifactor dimensionality reduction method / U. A. Ivaniukovich, S. B. Melnov, Ma Min |
| Authors: | Иванюкович, В. А. Мельнов, С. Б. Ма Мин |
| Keywords: | ЭБ БГУ::ЕСТЕСТВЕННЫЕ И ТОЧНЫЕ НАУКИ::Биология |
| Issue Date: | 2025 |
| Publisher: | Минск : БГУ |
| Citation: | Экспериментальная биология и биотехнология = Experimental biology and biotechnology. – 2025. – № 1. – С. 40-46 |
| Abstract: | Метод снижения мультифакторной размерности (multifactor dimensionality reduction, MDR) позволяет с высокой точностью подбирать комбинации предикторов (генов, аллелей), соответствующих тому или иному фенотипу (исходу). Однако граф изменения энтропии и дендрограмма взаимодействия, которые строятся в реализующем этот метод программном приложении MDR (версия 3.0.2), не характеризуют ген-генные взаимодействия. На примерах классификации спортсменов по данным их генотипов показано, что приложение строит граф изменения статистической энтропии при понижении размерности, который не соответствует силе и направленности реальных ген-генных взаимодействий, а описывает эффективность свертывания предикторов при объединении двух или более факторов в целях достижения максимальной точности классификации исходов. |
| Abstract (in another language): | The multifactor dimensionality reduction (MDR) method allows to select the predictor (gene, allele) combinations corresponding to a particular phenotype (outcome) with high precision. However, the entropy change graph and interaction dendrogram constructed in the MDR (version 3.0.2) software implementing this method do not characterise gene – gene interactions. Using examples of athlete classification based on their genotypes, it is shown that the software constructs a statistical entropy change graph when reducing dimensionality, which does not correspond to the strength and direction of real gene – gene interactions, but describes the efficiency of predictor convolution when combining two or more factors in order to achieve maximum accuracy in classifying outcomes. |
| URI: | https://elib.bsu.by/handle/123456789/330905 |
| ISSN: | 2957-5060 |
| Licence: | info:eu-repo/semantics/openAccess |
| Appears in Collections: | 2025, №1 |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.