一种高效和有效的方法来识别癌症中明显扰乱的子网络
Le Yang1, Runpu Chen1, Steve Goodison2
1Department of Computer Science and Engineering, The State University of New York at Buffalo, Buffalo, NY, USA.
Nature computational science
|June 22, 2023
概括
通过优化密集的子图,FDRnet识别了癌症基因组学数据中的关键分子子网络. 这种方法增强了途径分析,控制了错误发现率,并整合了多omics数据,以获得更好的癌症研究见解.
科学领域:
- 计算生物学是一种计算生物学.
- 基因组学就是基因组学.
- 生物信息学是一种生物信息学.
背景情况:
- 从高维基因组学数据中识别功能性生物网络对于癌症研究至关重要.
- 现有的途径分析方法在检测关键分子子网络方面面临挑战.
研究的目的:
- 推出FDRnet,一种用于检测癌症分子子网络的新方法.
- 为了解决当前路径分析技术的局限性.
主要方法:
- FDRnet使用混合整数线性编程来检测子网络.
- 它使用虚假发现率 (FDR) 上限作为预算约束.
- 导电性得分最小化识别了种子基因周围的密集子图.
主要成果:
- 在模拟和癌症基因组学数据的基准研究中,FDRnet表现出卓越的表现.
- 它有效地检测在无尺度生物网络中的功能均子网络.
- 该方法控制了检测到子网络中的基因的FDR,并集成了多omics数据.
结论:
- FDRnet克服了分子子网络检测现有方法的局限性.
- 该方法提高了计算效率,并促进了癌症和其他遗传疾病中关键功能途径的识别.
更多相关视频
07:28JUMPn: A Streamlined Application for Protein Co-Expression Clustering and Network Analysis in Proteomics
Published on: October 19, 2021
3.2K
09:08Integration of Bioinformatics Approaches and Experimental Validations to Understand the Role of Notch Signaling in Ovarian Cancer
Published on: January 12, 2020
6.8K
