DysRegNet:针对患者和混者意识的失调网络推断,用于准确治疗

科学领域:

• 生物信息学是一种生物信息学.
• 系统生物学 系统生物学
• 基因组学就是基因组学.

背景情况:

• 基因调节的改变是疾病特异性的.
• 针对患者特定网络的现有方法是计算密集的,忽略了混因素.
• 缺乏一个用户友好的工具来分析这些网络.

研究的目的:

• 开发一种可扩展的生物信息学方法,以推断患者特异性的基因调节变化 (调节失调).
• 将临床相关的混因素 (年龄,性别,治疗史) 纳入网络推断.
• 为分析和解释患者特异性基因调控网络提供可访问的工具.

主要方法:

• 开发了DysRegNet,这是一种用于从大量基因表达数据中推断患者特异性调控变化的新方法.
• 将DysRegNet与SSN方法进行比较,包括患者聚类,促进物甲基化,突变和癌症阶段数据.
• 实现了DysRegNet作为一个Python包,并通过Web界面提供了11种TCGA癌症类型的分析结果.

主要成果:

• 无论是DysRegNet还是SSN,都能在不同类型的癌症中产生具有生物意义的网络.
• 与SSN不同的是,DysRegNet可以调整到任何样本数量.
• DysRegNet强调了混因素的影响,揭示了乳腺癌基因调节中的特定年龄偏差.

结论:

• DysRegNet是一个新的生物信息学工具,用于混意识,针对患者的网络分析.
• 能够更深入地了解复杂疾病中的监管变化.
• 为研究人员提供了一个用户友好的平台来探索疾病特异性基因调节.