基于PLS的基因子集增强和瘤特异性基因鉴定.
Wenjie You1, Zijiang Yang2, Guoli Ji3
1School of Big Data and Artificial Intelligence, Fujian Polytechnic Normal University, Fuqing, 350300, China.
Computers in biology and medicine
|April 18, 2024
概括
这项研究引入了一种新的基因子集增强策略,用于瘤发病研究. 它识别了高维数据中的关键基因子集和调控模式,改善了瘤特异性基因发现.
科学领域:
- 基因组学就是基因组学.
- 生物信息学是一种生物信息学.
- 癌症研究 癌症研究
背景情况:
- 鉴定瘤特异性基因对于理解疾病的发病过程至关重要.
- 具有有限样本的高维数据集对传统的基因选择构成重大挑战.
- 现有的方法难以捕捉复杂的基因-表型和基因-基因相互作用.
研究的目的:
- 为分析高维生物数据提出一个强大的基因子集增强策略.
- 识别差异表达的基因,包括那些信号较弱的基因,以及它们的调节模式.
- 克服传统基因选择方法在捕捉复杂的生物相互作用方面的局限性.
主要方法:
- 一种使用多种扰动机制的基因子集增强策略.
- 一种基于部分最小平方的多个基因测量算法,用于评估基因-表型和基因-基因相关性.
- 从增强的子集构建基因网络,用于协会分析.
主要成果:
- 拟议的算法成功地识别了具有强大的分辨能力的小基因子集.
- 它揭示了一系列基因子集及其微弱差异表达的基因,与传统方法不同.
- 来自增强子集的基因网络揭示了重要的调控模式和基因关联.
结论:
- 基因子集增强策略增强了瘤特异性基因及其分子特征的识别.
- 这种方法可以更全面地了解疾病状态中的基因表达模式.
- 这种多功能方法对各种科学领域的高维数据挑战具有前景.


