一项关于识别癌症中明显扰乱子网络的方法的综合性基准研究
Le Yang1, Runpu Chen1, Steve Goodison2
1Department of Microbiology and Immunology, University at Buffalo, The State University of New York, 955 Main Street, Buffalo, New York, NY 14203, United States.
Briefings in bioinformatics
|December 31, 2024
概括
这项研究对基于网络的癌症路径识别方法进行了基准测试. 它揭示了算法性能洞察力,并指导用户选择最佳方法和蛋白质-蛋白质相互作用网络.
科学领域:
- 计算生物学是一种计算生物学.
- 生物信息学是一种生物信息学.
- 癌症研究 癌症研究
背景情况:
- 基于网络的方法对于识别使用蛋白质-蛋白质相互作用的癌症途径至关重要.
- 缺乏严格的基准测试阻碍了对现有方法进行比较.
研究的目的:
- 开发一种新的基准测试框架,用于评估基于网络的癌症途径识别方法.
- 在检测目标基因和子网络,控制假阳性和处理拓偏差方面全面分析方法性能.
主要方法:
- 开发一个新的基准测试框架.
- 使用合成数据进行全面分析.
- 评估现有的基于网络的癌症路径识别方法.
主要成果:
- 揭示了以前无法实现的对算法性能的洞察力.
- 证明了拓偏差对方法检测能力的影响.
- 确定了各种基于网络的方法的优缺点.
结论:
- 为选择适当的检测方法和蛋白质-蛋白质相互作用网络用于癌症途径识别提供了实用指南.
- 为该领域未来的算法开发提供了建议.


