Skip to main content

Table 3 Results: \(\sigma _{z}=1\)

From: PredictiveNetwork: predictive gene network estimation with application to gastric cancer drug response-predictive network analysis

No.TFs

Scenario

Feature selection of genes

TP

TN

Ave

Pro

NW.P

EL

LA

Pro

NW.P

EL

LA

Pro

NW.P

EL

LA

5

1

0.99

0.71

0.43

0.41

0.90

0.71

0.84

0.86

0.95

0.71

0.64

0.64

 

2

0.98

0.79

0.43

0.39

0.92

0.61

0.86

0.90

0.95

0.70

0.64

0.65

 

3

0.99

0.78

0.44

0.42

0.91

0.63

0.84

0.88

0.95

0.71

0.64

0.65

 

4

0.97

0.70

0.42

0.41

0.90

0.65

0.87

0.87

0.94

0.68

0.64

0.64

10

1

0.98

0.69

0.40

0.37

0.90

0.79

0.91

0.94

0.94

0.74

0.65

0.65

 

2

0.96

0.75

0.35

0.35

0.92

0.75

0.94

0.92

0.94

0.75

0.65

0.64

 

3

0.98

0.71

0.39

0.38

0.92

0.78

0.93

0.93

0.95

0.74

0.66

0.66

 

4

0.96

0.71

0.35

0.36

0.92

0.84

0.93

0.92

0.94

0.77

0.64

0.64

25

1

0.98

0.74

0.33

0.32

0.92

0.96

0.97

0.97

0.95

0.85

0.65

0.65

 

2

0.97

0.73

0.33

0.32

0.92

0.97

0.96

0.97

0.95

0.85

0.64

0.64

 

3

0.98

0.72

0.33

0.32

0.92

0.96

0.97

0.97

0.95

0.84

0.65

0.65

 

4

0.97

0.65

0.32

0.31

0.92

0.97

0.96

0.96

0.95

0.81

0.64

0.64

50

1

0.98

0.71

0.32

0.31

0.93

0.98

0.98

0.98

0.95

0.84

0.65

0.64

 

2

0.97

0.69

0.29

0.28

0.93

0.98

0.98

0.98

0.95

0.83

0.63

0.63

 

3

0.98

0.76

0.31

0.30

0.93

0.98

0.98

0.98

0.96

0.87

0.64

0.64

 

4

0.98

0.75

0.31

0.31

0.93

0.98

0.98

0.98

0.95

0.86

0.64

0.64

100

1

0.98

0.76

0.28

0.28

0.94

0.99

0.99

0.99

0.96

0.87

0.63

0.64

 

2

0.96

0.75

0.26

0.26

0.94

0.99

0.99

0.99

0.95

0.87

0.62

0.63

 

3

0.98

0.73

0.28

0.27

0.94

0.99

0.99

0.99

0.96

0.86

0.63

0.63

 

4

0.97

0.74

0.28

0.28

0.94

0.99

0.98

0.98

0.95

0.86

0.63

0.63

No.TFs

Scenario

Feature selection of edges

Prediction accuracy

TP

TN

Ave

MSE

Pro

NW.P

Pro

NW.P

Pro

NW.P

Pro

NW.P

EL

LA

XGB

NN

5

1

1.00

1.00

1.00

0.92

1.00

0.96

1.177

1.197

1.128

1.129

10.422

3.691

 

2

1.00

1.00

1.00

0.93

1.00

0.96

1.053

1.102

1.204

1.202

8.913

3.725

 

3

1.00

1.00

1.00

0.92

1.00

0.96

1.074

1.121

1.308

1.300

11.849

4.357

 

4

1.00

1.00

1.00

0.92

1.00

0.96

1.052

1.061

1.179

1.167

10.328

4.481

10

1

1.00

1.00

1.00

0.96

1.00

0.98

1.071

1.121

1.219

1.200

10.942

4.846

 

2

1.00

1.00

1.00

0.96

1.00

0.98

1.121

1.183

1.104

1.109

9.856

4.901

 

3

1.00

1.00

1.00

0.96

1.00

0.98

1.150

1.213

1.225

1.221

11.782

5.420

 

4

1.00

1.00

1.00

0.96

1.00

0.98

1.034

1.089

1.254

1.236

10.697

5.556

25

1

1.00

1.00

1.00

0.98

1.00

0.99

1.123

1.195

1.188

1.194

11.915

6.768

 

2

1.00

1.00

1.00

0.98

1.00

0.99

1.021

1.089

1.199

1.190

10.609

6.700

 

3

1.00

1.00

1.00

0.98

1.00

0.99

1.061

1.113

1.266

1.264

12.294

8.391

 

4

1.00

1.00

1.00

0.98

1.00

0.99

1.112

1.153

1.216

1.217

11.123

8.465

50

1

1.00

1.00

1.00

0.99

1.00

1.00

1.080

1.113

1.299

1.294

11.649

12.813

 

2

1.00

1.00

1.00

0.99

1.00

1.00

1.103

1.132

1.218

1.221

10.737

12.295

 

3

1.00

1.00

1.00

0.99

1.00

1.00

1.089

1.114

1.278

1.270

13.227

15.542

 

4

1.00

1.00

1.00

0.99

1.00

1.00

1.158

1.190

1.266

1.252

11.878

14.920

100

1

1.00

1.00

1.00

1.00

1.00

1.00

1.210

1.189

1.191

1.192

13.263

24.151

 

2

1.00

1.00

1.00

1.00

1.00

1.00

1.169

1.183

1.244

1.240

12.117

22.707

 

3

1.00

1.00

1.00

1.00

1.00

1.00

1.199

1.141

1.233

1.232

15.166

30.391

 

4

1.00

1.00

1.00

1.00

1.00

1.00

1.187

1.158

1.218

1.209

13.138

27.887

  1. Bold numbers indicate an outstanding performance among the methods