相关实验视频
Updated: Jun 23, 2025

Analyzing Multifactorial RNA-Seq Experiments with DiCoExpress
Published on: July 29, 2022
dCCA:检测两种类型的高通量数据之间的差异性协变模式
Hwiyoung Lee1,2, Tianzhou Ma3, Hongjie Ke3
1Maryland Psychiatric Research Center, School of Medicine, University of Maryland, Baltimore, MD 21201, United States.
我们开发了差异化正规相关性分析 (dCCA),以找出生物数据相互作用如何在患者群体之间不同. 该方法通过有效分析多omics数据来识别疾病中的关键分子参与者.
科学领域:
- 计算生物学 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:
- 多模组数据提供了深刻的生物学见解,但由于高维变量相互作用,联合分析是复杂的.
- 欧米克数据中的相互作用模式在临床组之间可能有所不同,这表明疾病特异性的生物过程.
研究的目的:
- 引入差分法典相关性分析 (dCCA) 以确定临床组跨多变量数据之间的差异性共变性模式.
- 开发用于稀疏选择可变对并最大化差异共变的计算工具.
主要方法:
- 拟议的微分法定相关性分析 (dCCA) 来捕获特定组的多变量共变量.
- 开发了对配对变量的稀疏选择算法,以最大限度地提高差异共变量.
- 使用了一个R包来实现dCCA,它可以在GitHub上找到.
主要成果:
- dCCA有效地识别了两组跨临床组的多变量变量之间的差异性共变性模式.
- 模拟研究证实了dCCA在变量选择和差异性相关性恢复方面的卓越表现.
- 将dCCA应用于TCGA全脏队列,揭示了非编码RNA和基因表达之间的差异性共变.
结论:
- dCCA提供了一种强大的方法来分析多式联络数据,以发现特定群体的生物相互作用.
- 该方法通过突出差异性共变模式,促进了与疾病相关的分子机制的发现.
更多相关视频
08:51Author Spotlight: Integrated Multi-Omics Analysis for Unveiling Multicellular Immune Signatures in Clinical Heart Attack Cohorts
Published on: September 20, 2024
04:58Author Spotlight: Investigating the Role of Repetitive DNA Misregulation in Cancer Initiation and Immunotherapy Resistance
Published on: December 13, 2024
相关概念视频
Comparing Copy Number Variations and SNPs
Copy number variations or CNVs are the structural variations that cover more than 1kb of DNA sequence. The single nucleotide polymorphism (SNP), on the other hand, is a single nucleotide change or a point mutation that is found in more than 1%...
RNA-seq
Before the discovery of RNA-seq, microarray-based methods and Sanger sequencing were used for transcriptome analysis. However, while...
DNA Microarrays