Imputing connections of random gene networks from time series data using ANNs
Internet är ett nätverk där många datorer kommunicerar med varandra. På samma sätt består gennätverk av en uppsättning gener som är sammankopplade för att kunna kommunicera. Dessa sammankopplingar är dock inte alltid lätta att urskilja enbart utifrån att studera nätverkets dynamik. Processen, som ofta är lång och utmanande, kräver många tester för att få en korrekt nätverksstruktur. Detta är en beThis thesis presents the architecture of a convolutional neural network which is trained to impute the connections of randomly generated gene regulatory networks under varying amounts of regularisation. The generated gene networks are simulated from 10 different starting conditions for each set of connections in order to obtain multiple time series. The generated time series are fed into the neura