問題タブ [random-walk]

こんにちは、私は 1D ランダム ウォーカーをプログラムしました。キャプチャ ゾーンを実装しようとしています。このゾーンでは、ウォーカーが特定の値の範囲内に一定時間留まるとプログラムが停止します。私が持っているコードは次のようになります。

ウォークスルーしますが、攻略ゾーンでブレイクすることはありません。複数の機会に 5 ステップ以上キャプチャ ゾーンにあったと確信していますが、とにかく実行し続けます。どんな助けでも大歓迎です。

私は生物学の分野から来たので、その論文のアイデアのいくつかを (直感的に?) 理解するのにいくつかの困難があります。私はグーグルとユーチューブをたくさん使って、それを段階的に解読しようと本当に最善を尽くしましたが、今はその分野の専門家を参照する時だと感じています.

宇宙全体に（順序付けられていない）質問を記入する前に、すべてを書き留めて、この主題を紹介すると同時に、それに関する私の研究からこれまでに得たものを説明させてください.

マイクロアレイ

これが何であるかをまったく知らない人のために、それは文字通り配列（マトリックス）であり、その各セルには特定の遺伝子のプローブが含まれていると想像できます. 長い話を短くすると、マイクロアレイ実験の終わりまでに、各列がサンプルを表し、各行が異なる遺伝子であり、マトリックスの内容がそれぞれの遺伝子の発現値を表すマトリックスが（計算用語で）得られます。サンプル。

経路

生物学の経路/遺伝子セットでは、特定の機能を担う小さなネットワークを形成する、互いに相互作用する遺伝子のセットを呼びます。これらの経路は孤立していませんが、互いに対話/相互作用します。その論文が最初に行ったことは、それと相互作用する可能性のある他の経路からのいくつかの他の遺伝子を含めることによって、最初の経路（それを標的経路と呼びましょう）を拡張することです.

手順

1. 行列 G x S があると仮定しましょう。G は遺伝子、S はサンプルです。遺伝子ペア間のピアソン相関係数 ( a )を重みとして使用して、遺伝子共発現ネットワーク (G x G) を構築します。これは、無向加重グラフとして表すこともできます。.

2. 各遺伝子 (行または列) について、その遺伝子のすべての相関係数の合計にすぎない加重度 ( d ) を計算します。

3.前の 2 つの行列から、ある遺伝子から別の遺伝子に遷移する確率 ( P ) を 生成する遷移行列を構築します。

方式

Q1. なぜ彼らはこれを遷移確率と呼ぶのですか? これを生物学的文脈で確率として見る直感的な方法はありますか?

4. 遷移行列全体が得られたので、最初のサブネットワークを定義して、それを拡張したいとします。それは 15 の遺伝子で構成されていたとしましょう。そのステップでは、最初の遷移行列の値を変換する式番号 3 (紙の上) を使用しました。選択したサブネットワークの一部であるノードの確率を1に設定します。これは、ノードを吸収状態として定義するためです。

Q2. 同じ式 (3) で、2 番目の条件が何をするのか理解できません。確率が 0 になるのはいつですか? 直感的に、私の意見では、サブネットワークに存在しなかったすべてのノードは、確率として P_ij 値を持つ必要があります。

5. その後、新しく構築された遷移行列が論文の式 (4) に示され、この優れた記事を使用して理解することができました。

6. ここは、私にとってすべてがより曖昧になっている場所であり、私が最も助けを必要としている場所です. その段階で私が想像しているのは、アルゴリズムが 1 つのノードからランダムに開始され、ネットワークを歩き回っていることです。関連性関数を構築するために (それは正確には何を意味するのでしょうか?)、まず、1 つのノード/エッジを訪問する同時確率 E(i,j)と呼ばれる確率を計算し、次のように記述します。

一方、彼らはx から始まる長さ L のウォークの確率と呼ばれる別の確率を計算しているようで、次のように表されます。

7. 次のステップでは、以前に計算された確率を割り、i から j への遷移を使用して x でランダム ウォークが始まる回数を計算しますが、これが何を意味するのかよくわかりません。

そのステップの後、私は彼らの推論をまったく失いました:-P.

専門家が私の心を開いて、その手順を理解してくれるとは思っていません。私が期待しているのは、手順全体を理解するためのガイドライン、ヒント、アイデア、有用なリソース、またはより直感的なアプローチです。それを完全に理解したら、Rまたはpythonで実装しようとします。

したがって、どんなアイデアや批評家も大歓迎です。

ありがとう。