纳入组织特异性基因表达数据,以改善中毒基因组学方法的化学疾病推断
Shan-Shan Wang1,2,3, Chia-Chi Wang4, Chien-Lun Wang3
1Ph.D. Program in Environmental and Occupational Medicine, College of Medicine, Kaohsiung Medical University and National Health Research Institutes, Kaohsiung 80708, Taiwan.
Journal of xenobiotics
|August 27, 2024
概括
这项研究通过将组织特异性基因表达纳入ChemDIS系统来增强in silico毒基因组学. 这提高了化学疾病推断的准确性,减少了假阳性,并确定了更具体的毒理学影响.
科学领域:
- 毒素基因组学 毒素基因组学
- 计算生物学 计算生物学
- 生物信息学是一种生物信息学.
背景情况:
- 在中,毒基因组学有助于预测化学-蛋白质-疾病的联系.
- 目前的方法缺乏组织特异性,导致过度预测疾病 (错误阳性).
研究的目的:
- 通过整合组织特异性基因表达数据来提高in silico毒基因组学的准确性.
- 为了减少化学疾病关联预测中的错误阳性.
主要方法:
- 从表达图谱收集了六个组织特定的基因和蛋白质表达数据集.
- 将基因分类为每个组织的高,中,低表达水平.
- 通过过低表达基因,将组织特异性表达数据集成到ChemDIS系统中.
主要成果:
- 在化学疾病推断的丰富率中实现了高达62.26%的改善.
- 通过一个胺病例研究,在识别疾病术语方面表现出更好的特异性.
- 在ChemDIS系统中实现了一个用户友好的界面.
结论:
- 结合组织特异性基因表达显著提高了化学疾病推断的准确性.
- 精炼的ChemDIS系统提供了更精确的毒理学见解.
- 这种方法可以应用于其他在中毒基因组学工具,以获得更广泛的应用.


