优化 in silico 药物发现:模拟连接的差异表达特征,并应用于基准测试
Catalina Gonzalez Gomez1,2,3,4, Manuel Rosa-Calatrava1,2,3,5, Julien Fouret1,2,3,4
1CIRI, Centre International de Recherche en Infectiologie, Team VirPath, Univ Lyon, 14 Inserm, U1111, Université Claude Bernard Lyon 1, CNRS, UMR5308, ENS de Lyon, F-15 69007 Lyon, Rhône-Alpes, France.
Briefings in bioinformatics
|June 27, 2024
概括
我们开发了一种新的模拟方法来生成连接的差异表达特征,解决了药物重新用途的基准测试数据缺乏的问题. 这个工具有助于评估用于识别基因表达模式的算法.
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:
- 由于有限的可靠基准测试数据,生成差分表达式签名的传统方法面临挑战.
- 药物-疾病对标签中的偏见阻碍了对药物重定向中的基于连接性的方法的严格评估.
研究的目的:
- 开发一种用于生成相互连接的微分表达式签名的统计模拟方法.
- 为了实现可调节的参数化,特别是连接性,以便在药物重用中进行可靠的基准测试.
主要方法:
- 详细介绍了一个模拟过程,反映了生物变异性和特征相互联系.
- 创建多种数据集来评估现有的微分表达式签名比较算法.
- 使用模拟数据评估算法性能和局限性.
主要成果:
- 模拟方法成功产生了现实的数据,由相关性分析和基因表达模式证实.
- 基准测试表明,极端等号相似性和皮尔森相关性对于识别连接的签名是有效的.
- 模拟数据为挑战和评估现有方法提供了一系列可能性.
结论:
- 这种新的方法提供了一个可靠的工具来模拟差异表达特征,这对于基于连接性的药物重新利用至关重要.
- 该R套件有助于评估和推进算法估计连接得分.
- 可靠的基准测试数据的可用性对于药物重用研究的进展至关重要.
