Jove
Visualize
联系我们

相关实验视频

一个通用的高阶相关性分析框架,用于多omics网络推理.

Weixuan Liu1, Katherine A Pratte2, Peter J Castaldi3

  • 1Department of Biostatistics and Informatics, University of Colorado Anschutz Medical Campus, Aurora, Colorado, United States of America.

PLoS computational biology
|April 14, 2025
PubMed
概括

本研究介绍了SGTCCA-Net,这是一个用于分析多主题数据的新管道. 它有效地整合了多样化的分子形状,揭示了复杂的生物网络,并确定了疾病洞察力的关键特征.

相关实验视频

相关概念视频

您也可能阅读

相关文章

通过共同作者、期刊和引用图与本文相关的文章。

排序
Same author

Advances in Cell Signaling Pathways: A Comprehensive Review

Journal of Cellular Biology·2024
Same author

Novel Approaches to Tissue Engineering and Regenerative Medicine

Nature Methods·2023
Same author

Understanding Molecular Mechanisms in Disease Progression

Cell Reports·2023
Same author

Genomic Profiling Reveals New Biomarkers for Early Diagnosis

Nature Genetics·2023
Same author

CRISPR-Based Screening Identifies Key Regulators of Cell Growth

Cell Reports·2022
Same author

Structural Insights into Membrane Protein Function

Journal of Cellular Biology·2022
JoVE
x logofacebook logolinkedin logoyoutube logo
关于 JoVE
概览领导团队博客JoVE 帮助中心
作者
出版流程编辑委员会范围与政策同行评审常见问题投稿
图书馆员
用户评价订阅访问资源图书馆顾问委员会常见问题
研究
JoVE JournalMethods CollectionsJoVE Encyclopedia of Experiments存档
教育
JoVE CoreJoVE BusinessJoVE Science EducationJoVE Lab Manual教师资源中心教师网站
使用条款与条件
隐私政策
政策

科学领域:

  • 计算生物学是一种计算生物学.
  • 系统生物学 系统生物学
  • 生物信息学是一种生物信息学.

背景情况:

  • 多学科数据集成对于理解复杂的疾病和生物系统至关重要.
  • 现有的方法面临着高维度,计算效率和相关性分析灵活性等挑战.
  • 当前的正规相关性方法可能无法捕捉分子特征之间的更高阶相关性.

研究的目的:

  • 开发一种新的计算管道,用于强大的多omics网络推理.
  • 解决现有方法在处理多个omics数据集和复杂相关性方面的局限性.
  • 改进下游生物分析的推断网络的总结.

主要方法:

  • 开发了稀疏通用张量法定相关性分析网络推理 (SGTCCA-Net) 管道.
  • 利用张量定律相关性分析来整合多个omics数据类型.
  • 实施了网络总结技术,以加强下游分析.

主要成果:

  • SGTCCA-Net有效地克服了以前多学科整合方法的局限性.
  • 证明了管道在推断复杂的生物网络的能力.
  • 从模拟和现实数据中成功识别了关键的分子特征及其相互关系.

结论:

  • SGTCCA-Net提供了一个强大的和灵活的框架,用于多omics网络分析.
  • 该方法增强了对生理系统中分子特征相互作用的理解.
  • 这种方法可以通过整合的OMIC数据更准确地发现疾病机制.