상호 정보량: 변수 간의 의존성 탐지 및 평가

동기: 공표현 유전자 군집화는 일반적으로 측정된 데이터 세트 간의 '거리' 또는 '유사성' 정의를 요구하며, 가장 일반적인 선택은 피어슨 상관관계 또는 유클리드 거리입니다. 사용 가능한 데이터 세트의 크기가 지속적으로 증가함에 따라, 보다 일반적인 다른 정의도 고려하는 것이 가능해졌습니다. 정보 이론에 기반한 대안 중 하나는 상호 정보량으로, 변수 간의 의존성을 일반적으로 측정할 수 있는 방법을 제공합니다. 상호 정보량을 군집 분석 및 대규모 유전자 발현 데이터의 시각화에 사용하는 것이 이전에 제안되었지만, 이전 연구들은 유한 데이터에서 상호 정보량을 추정하는 다양한 알고리즘을 비교하는 데 초점을 맞추지는 않았습니다. 결과: 여기에서는 유한 데이터 세트에서 상호 정보량을 추정하는 여러 접근 방식을 설명하고 검토합니다. 우리의 발견은 지금까지 사용된 알고리즘이 상당히 개선될 수 있다는 것을 보여줍니다. 특히 작은 데이터 세트를 다룰 때, 유한 샘플 효과 및 잠재적으로 오해를 불러일으킬 수 있는 다른 결과의 원인을 고려해야 합니다.