在动态奥米克数据集中使用流量理论来识别使用DPoP的差异变化的信号
Harley Edwards1, Joseph Zavorskas2, Walker Huso1
1Department of Chemical, Biochemical, and Environmental Engineering, University of Maryland, Baltimore County, 1000 Hilltop Circle, Baltimore, MD, 21250, USA.
BMC bioinformatics
|September 28, 2024
概括
衍生品分析提供了一种新的方法来分析动态omics数据,使用omics flux识别差异信号. 这种计算成本低廉的方法提供了统计学上显著的结果,可以通过开源衍生分析omics包 (DPoP) 应用程序访问.
科学领域:
- 奥米克斯数据分析数据分析.
- 生物信息学是一种生物信息学.
- 计算生物学是一种计算生物学.
背景情况:
- 衍生分析是一种新的方法,用于识别动态欧米克数据集中的差异信号.
- 它使用可变的步骤大小差异化来分析时间序列的奥米克数据,并提出"奥米克流量"作为描述性特征.
- 这种方法可以补充或取代传统的折叠变化计算.
研究的目的:
- 引入和验证衍生品分析作为分析动态omics数据的可靠方法.
- 开发一个可访问的,开源工具,用于应用衍生品分析.
- 为了证明不同类型和生物体的衍生分析的实用性.
主要方法:
- 变量阶段大小差异化应用于时间序列的欧米克数据.
- 开发衍生品分析omics包 (DPoP),一个基于GUI的MATLAB应用程序.
- 在DPoP应用程序中整合基因本体学 (GO) 术语丰富分析.
主要成果:
- 衍生型号分析结果显示,与MARS,火山和M/A分析等既定方法具有统计学上显著的相似性.
- 该方法在来自Aspergillus nidulans的转录和蛋白组数据集上得到了验证.
- DPoP在计算上是廉价的,不需要折叠变换计算,并且可以通过单个生物复制实现统计信心.
结论:
- 衍生品分析是一个数值概括的技术,适用于任何生物和时间序列数据分析.
- 该DPoP应用程序授权omics研究人员,无论计算机科学背景,使用衍生分析.
- 这项工作促进了对OMIC衍生品分析领域的进一步发展.
更多相关视频
07:38Enabling Real-Time Compensation in Fast Photochemical Oxidations of Proteins for the Determination of Protein Topography Changes
Published on: September 1, 2020
5.2K
06:01Visualization and Quantification of High-Dimensional Cytometry Data using Cytofast and the Upstream Clustering Methods FlowSOM and Cytosplore
Published on: December 12, 2019
8.4K
