Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Bücher
Zeitschriften
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
MTZ-Fachkongress

Antriebe und Energiesysteme von morgen


Austausch von Automobil- und Energiewirtschaft

Am 14./15. Mai geht es in Chemnitz um die Mobilitätswende durch Elektro- und Wasserstofffahrzeuge.
Erweiterte Suche
Anmelden
nach oben
International Journal of Machine Learning and Cybernetics
Erschienen in: International Journal of Machine Learning and Cybernetics 3/2018

05.01.2016 | Original Article

An experimental study of information content measurement of gene ontology terms

verfasst von: Marianna Milano, Giuseppe Agapito, Pietro H. Guzzi, Mario Cannataro

Erschienen in: International Journal of Machine Learning and Cybernetics | Ausgabe 3/2018

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

The gene ontology (GO) is commonly used to store and organize information about functions of biological molecules through a controlled vocabulary of terms (GO Terms). GO Terms refer to biological concepts through the annotation process. There exist many different annotation processes used by researchers. Each term has a different specificity that is formally measured by the information content (IC). Both the structure of GO and the corpora of annotations are continuously changing following novel experimental findings. This work focuses on how changes of annotations affect the IC of terms. The study confirms that statistically significant differences among annotation corpus of different years on each species occur. These results convey that annotation corpora changes have a high impact on IC.
Vorheriger Artikel Discovery of bidirectional contiguous column coherent bicluster in time-series gene expression data
Nächster Artikel A contiguous column coherent evolution biclustering algorithm for time-series gene expression data

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Weitere Produktempfehlungen anzeigen
Anhänge
Nur mit Berechtigung zugänglich
Literatur
1.
Gene Ontology Consortium (2004) The gene ontology (GO) database and informatics resource. Nucl Acids Res 32(suppl 1):D258–D261CrossRef
2.
du Plessis L, Skunca N, Dessimoz C (2011) The what, where, how and why of gene ontology—a primer for bioinformaticians. Brief Bioinform 12(6):723–735. doi:10.​1093/​bib/​bbr002 CrossRef
3.
Camon E, Magrane M, Barrell D, Lee V, Dimmer E, Maslen J, Binns D, Harte N, Lopez R, Apweiler R (2004) The gene ontology annotation (goa) database: sharing knowledge in uniprot with gene ontology. Nucl Acids Res 32(1):D262–D266. doi:10.​1093/​nar/​gkh021 CrossRef
4.
Guzzi P, Mina M, Guerra C, Cannataro M (2012) Semantic similarity analysis of protein data: assessment with biological features and issues. Brief Bioinform 13(5):569–585CrossRef
5.
Cannataro M, Guzzi PH, Veltri P (2010) Protein-to-protein interactions. ACM Comput Surv 43(1):1–36CrossRef
6.
Harispe S, Sánchez D, Ranwez S, Janaqi S, Montmain J (2013) A frame-work for unifying ontology-based semantic similarity measures: a study in the biomedical domain. J Biomed Inform 48:38–53CrossRef
7.
Hartung M, Kirsten T, Rahm E (2008) Analyzing the evolution of life science ontologies and mappings. In: Data Integration in the Life Sciences. Springer, Heidelberg, pp 11–27
8.
Dameron O, Bettembourg C, Le Meur N (2013) Measuring the evolution of ontology complexity: the gene ontology case study. PLoS One 8(10):e75993CrossRef
9.
Batet M, Harispe S, Ranwez S, Sánchez D, Ranwez V (2014) An information theoretic approach to improve semantic similarity assessments across multiple ontologies. Inf Sci 283:197–210CrossRef
10.
Sánchez D, Batet M, Isern D (2011) Ontology-based information content computation. Knowl Based Syst 24(2):297–303CrossRef
11.
Alterovitz G, Xiang M, Hill DP, Lomax J, Liu J, Cherkassky M, Dreyfuss J, Mungall C, Harris MA, Dolan ME et al (2010) Ontology engineering. Nat Biotechnol 28(2):128–130CrossRef
12.
13.
Groß A, Hartung M, Prüfer K, Kelso J, Rahm E (2012) Impact of ontology evolution on functional analyses. Bioinformatics 28(20):2671–2677CrossRef
14.
Huntley R, Sawford T, Martin M, O’Donovan C (2014) Understanding how and why the gene ontology and its annotations evolve: the go within uniprot. GigaScience 3(1):4CrossRef
15.
Harispe S, Ranwez S, Janaqi S, Montmain J (2013) The semantic measures library and toolkit: fast computation of semantic similarity and relatedness using biomedical ontologies. Bioinformatics 30:740–742CrossRef
16.
Ernst J, Bar-Joseph Z (2006) Stem: a tool for the analysis of short time series gene expression data. BMC Bioinform 7(1):191CrossRef
17.
Herrero J, Valencia A, Dopazo J (2001) A hierarchical unsupervised growing neural network for clustering gene expression patterns. Bioinformatics 17(2):126–136CrossRef
18.
Groß A, Hartung M, Prüfer K, Kelso J, Rahm E (2012) Impact of ontology evolution on functional analyses. Bioinformatics 28:2671–2677CrossRef
Metadaten
Titel
An experimental study of information content measurement of gene ontology terms
verfasst von
Marianna Milano
Giuseppe Agapito
Pietro H. Guzzi
Mario Cannataro
Publikationsdatum
05.01.2016
Verlag
Springer Berlin Heidelberg
Erschienen in
International Journal of Machine Learning and Cybernetics / Ausgabe 3/2018
Print ISSN: 1868-8071
Elektronische ISSN: 1868-808X
DOI
https://doi.org/10.1007/s13042-015-0482-y

Weitere Artikel der Ausgabe 3/2018

International Journal of Machine Learning and Cybernetics 3/2018 Zur Ausgabe

Original Article

Multi-criteria decision-making based on generalized prioritized aggregation operators under simplified neutrosophic uncertain linguistic environment

Original Article

Integration of incremental filter-wrapper selection strategy with artificial intelligence for enterprise risk management

Original Article

Timeliness online regularized extreme learning machine

Original Article

Predicting subcellular localization of multi-location proteins by improving support vector machines with an adaptive-decision scheme

Editorial

Special issue on semantic data analytics and bioinformatics

Original Article

Multiplex image representation for enhanced recognition

Neuer Inhalt

    Bildnachweise