统一形状的协调结合了来自不同平台的人类转录基因数据,同时保留了它们的生物特性和差异性基因表达模式

科学领域:

• 生物信息学是一种生物信息学.
• 基因组学就是基因组学.
• 计算生物学 计算生物学

背景情况:

• 由于数据不兼容,在不同平台上比较RNA配置文件具有挑战性.
• 现有的规范化工具产生数据集特定的输出,阻碍跨平台分析.
• 为了对基因表达的全面分析,需要一种通用数据格式.

研究的目的:

• 评估Shambhala的方法来协调基因表达数据.
• 评估Shambhala保留生物特征的能力,例如折叠变化表达和通路激活.
• 为了比较Shambhala的性能与其他转录组协调方法.

主要方法:

• 应用了Shambhala和其他协调方法对6793种癌症和11135种正常组织基因表达特征.
• 使用十二个标准评估性能,包括生物分类,聚类,相关性和药物活性预测.
• 测试了Shambhala-2在维护机器学习分类器数据质量的有效性.

主要成果:

• 香巴拉-2在协调转录原子数据方面表现出卓越的表现.
• 在培训和验证数据集之间实现了高相关性和线性回归系数.
• 与其他方法相比,在计算药物效率得分时显示的不稳定性超过两倍.

结论:

• 香巴拉-2有效地协调RNA配置文件,在各种数据集中保存生物信号.
• 统一的输出格式增强了对比转录组学研究的数据兼容性.
• 香巴拉-2显示了改善疾病研究和癌症药物活性预测的前景.