包含信息的基因网络构建与FDR控制

科学领域:

• 生物信息学是一种生物信息学.
• 计算生物学 计算生物学
• 系统生物学 系统生物学

背景情况:

• 基因表达研究对于理解基因网络至关重要.
• 基于部分相关联的网络更适合识别直接的基因关联而不是边际相关联.
• 现有的方法缺乏强大的错误发现率 (FDR) 控制和整合先前的生物学知识来构建部分相关性网络.

研究的目的:

• 提出一种新的方法,部分相关图与信息整合 (PCGII),用于构建基因网络.
• 解决FDR控制的局限性,并将先前的生物学知识纳入基于部分相关性的网络推理.
• 开发一种能够处理高维数据的方法.

主要方法:

• PCGII使用规范化的节点智能回归来估计基因对之间的部分相关性.
• 该方法结合了先前的生物学知识,通过控制所有其他基因的影响.
• 它旨在处理高维数据集,其中基因数量超过样本大小,并控制FDR.

主要成果:

• 与模拟研究中的现有方法相比,PCGII显示出优越的FDR控制和更高的统计能力.
• 对植物基因表达数据集的应用成功地确定了已知的调节关系和中央枢纽基因.
• 该方法揭示了新的直接基因关联,表明了生物系统内的潜在功能关系.

结论:

• PCGII提供了一种有效的方法,用于构建基因网络,具有改进的FDR控制和整合先前生物信息的能力.
• 该方法适用于分析高维基因表达数据.
• 为PCGII提供了一个R包,以及缺乏先前信息的分析的伪基方法,使FDR和对真实数据的功率评估成为可能.