On the Evolution of Scale-Free Topologies with a Gene Regulatory Network Model

Miguel Nicolau 1, 2 Marc Schoenauer 1, 2
2 TAO - Machine Learning and Optimisation
LRI - Laboratoire de Recherche en Informatique, UP11 - Université Paris-Sud - Paris 11, Inria Saclay - Ile de France, CNRS - Centre National de la Recherche Scientifique : UMR8623
Abstract : A novel approach to generating scale-free network topologies is introduced, based on an existing artificial Gene Regulatory Network model. From this model, different interaction networks can be extracted, based on an activation threshold. By using an evolutionary computation approach, the model is allowed to evolve, in order to reach specific network statistical measures. The results obtained show that, when the model uses a duplication and divergence initialisation, such as seen in nature, the resulting regulation networks not only are closer in topology to scale-free networks, but also require only a few evolutionary cycles to achieve a satisfactory error value.
Type de document :
Article dans une revue
BioSystems, Elsevier, 2009
Liste complète des métadonnées

Littérature citée [40 références]  Voir  Masquer  Télécharger

https://hal.inria.fr/inria-00399667
Contributeur : Miguel Nicolau <>
Soumis le : dimanche 28 juin 2009 - 00:35:43
Dernière modification le : jeudi 5 avril 2018 - 12:30:12
Document(s) archivé(s) le : mardi 15 juin 2010 - 19:00:21

Fichier

scale-free.pdf
Fichiers produits par l'(les) auteur(s)

Identifiants

  • HAL Id : inria-00399667, version 1

Collections

Citation

Miguel Nicolau, Marc Schoenauer. On the Evolution of Scale-Free Topologies with a Gene Regulatory Network Model. BioSystems, Elsevier, 2009. 〈inria-00399667〉

Partager

Métriques

Consultations de la notice

266

Téléchargements de fichiers

750