Cellular neural network application to cDNA microarray image analysis

• Autorzy: Kaniewski L. , Kacprzak T.

Warianty tytułu

PL

Komórkowa sieć neuronowa w zastosowaniu do analizy mikromacierzy cDNA

• Konferencja: PELINCEC Workshop "Bridges Through Time: Intelligent Control, Signal Processing and Real-Time Process Control"
• Języki publikacji: EN

Abstrakty

EN

Huge amount of data presented in a single cDNA microarray is a challenge for contemporary data analysis systems due to its time consuming processing. We present an extension of new approach to the cDNA microarray image analysis in real time by means of Cellular Neural Networks (CNN), which can perform its function using locally connected elemental analogue processing units organized in rectangle array corresponding to the cDNA array. Based on this approach we expect to formulate fundamental requirements for VLSI chip implementation to realize a gene expression profile of given cDNA array in a real time.

PL

Olbrzymia ilość danych zawartych w pojedynczej mikromacierzy cDNA jest dużym wyzwaniem dla współczesnych systemów przetwarzania, głównie z powodu konieczności wykonywania czasochłonnych obliczeń. W referacie przedstawiono rozwinięcie koncepcji zastosowania do tych celów sieci neuronowej komórkowej, która wykonuje funkcje przetwarzania w oparciu o architekturę prostokątną podstawowych jednostek analogowych połączonych ze sobą lokalnie i odpowiadającą mikromacierzy cDNA. W oparciu o wyniki symulacji należy oczekiwać opracowania podstawowych wymagań projektu układu scalonego VLSI, który mógłby wykonywać zadanie zbadania poziomu ekspresji genów w czasie rzeczywistym.

Słowa kluczowe

EN

cDNA microarray; image processing; cellular neural network

PL

mikromacierz DNA; przetwarzanie sygnałów; sieć neuronowa komórkowa

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Przegląd Elektrotechniczny
• Rocznik: 2006
• Tom: R. 82, nr 1
• Strony: 74--79
• Opis fizyczny: Bibliogr. 11 poz., rys.

Twórcy

autor

Kaniewski L.

autor

Kacprzak T.

• Politechnika Łódzka, Instytut Elektroniki,

Bibliografia

• [1] P. Arena, L. Fortuna and L. Occhipinti, "A CNN Algorithm for Real Time Analysis of DNA Microarrays", IEEE Transactions On Circuits And Systems, 49 (2002), n. 3, 335 – 340
• [2] P. Bajcsy, "Gridline: Automatic Grid Alignment in DNA Microarray Scans", IEEE Transactions On Image Processing, 13(2004), n. 1, 15-25
• [3] S. Datta, “Statistical techniques for microarray data: a partial overview", proceedings of Calcutta Symposium 2000
• [4] S. Draghici, "Statistical Intelligence: effective analysis of high-density microarray data", Dept. of Computer Science, Wayne State University, Detroit, Apr. 2002
• [5] S. Draghici, A. Kuklin, B. Hoff, „ Experimental design, analysis of variance and slide quality assessment in gene expression arrays", Drug discovery & Development, (2001) , n. 4
• [6] S. Dudoit, Y. H. Yang, M. J. Callow, T. P. speed, ..Statistical methods for identifying differentially expressed genes in replicated cDNA microarray experiments", Technical Report #578, Aug. 2000.
• [7] "Genetics supplement", Nature, (1999), n. 21
• [8] http://www.isrec.isbsib.ch/DEA/module8/P5_chip_images/ images/index, html.
• [9] http://www. rana.lbl.gov/index.htm.
• [10] G. Manganaro, P. Arena and L. Fortuna, "Cellular Neural Networks - Chaos, Complexity and VLSI Processing", Springer-Verlag Berlin Heidelberg, (1999)
• [11] S. K. Moore, "Making chips to probe genome", IEEE Spectr, (2001), n.38
• [12] M. Ringner, C. Peterson, J. Khan, ..Analyzing array data using supervised methods", Technology Report, Pharmacogenomics, (2002), 403 – 415
• [13] T. Roska, L. Kek, L. Nemes, A. Zaradny and P. Szolgay, ,,CSL SNN Software Library (Templates and Algorithms)" , Budapest, Hungary, (1999)
• [14] Y.H. Yang, M.J. Buckley, S. Dudoit, T.P. Speed, "Comparison of methods for image analysis on cDNA microarray Data", Technical Report #584, (2000)
• [15] F. Ilnicki, "BioChip - narzędzie do analizy DNA" , Przegląd Elektrotechniczny, 80 (2004), nr 4, 277 – 282
• [16] A. Goryachev, P. Macgregor, A. Edwards, "Unfolding of Microarray Data", Journal of Computational Biology, 8 (2001), n. 4, 443 – 461
• [17] J. Quackenbush, "Microarray data normalization and transformation", Nature Genetics Supplement, 32 (2002), 496 –501
• [18] C. Workman, L. Jensen, H. Jarmer, R. Berka, L. Gautier, H. Nielsen, H. Saxild, C. Nielsen, S. Brunak, S. Knudsen, "A new non-linear normalization method for reducing variability in DNA microarray experiments", Genome Biology, 3 (2002)
• [19] A. Jain, T. TokuYasu, A. Snijders, R. Segraves, D. Albertson, D. Pinkel, "Fully Automatic Quantification of Microarray Image Data", Genome Research, 12 (2001), 325 – 332
• [20] M. Steinfath, W. Wruck, H. Seidel, H. Lehrach, U.-Radelof, J. O'Brien, "Automated image analysis for array hybridization experiments", Bioinformatics, 17 (2001) , n. 7, 634-641
• [21] J. Buhler, T. Ideker, D. Haynor, "Dapple: Improved Techniques for Finding Spots on DNA Microarrays", UW CSE Technical Report UWTR 2000-08-05
• [22] P. Perona, J. Malik, "Scale-Space and Edge Detection Using Anisotropic Diffusion", IEEE Transactions On Pattern Analysis And Machine Intelligence, 12 (1990), n. 7, 629-639
• [23] C. Rekeczy, A. Schultz, I. Szatmari, T. Roska, L. Chua, "Image Segmentation and Edge Detection via Constrained Diffusion and Adaptive Morphology: A CNN Approach to Bubble/Debris Image Enhancement", ONR (No. N00014-89-J-1402) and NSF (No. INT-9413186) Grant Report