一个新的贝叶斯层次模型,用于检测转录学应用中的差异性昼夜模式.
Yutao Zhang1, Haocheng Ding2, Zhiguang Huo1
1Department of Biostatistics, University of Florida, Gainesville, FL, 32603, United States.
Briefings in bioinformatics
|April 15, 2025
概括
BayesDCirc是一种新的贝叶斯模型,通过分析振幅,相位和MESOR来识别差异性昼夜 (DC) 模式. 它通过结合外部知识和超越现有方法来改善疾病生物标志物的发现.
科学领域:
- 时间生物学 时间生物学
- 系统生物学 系统生物学
- 统计生物信息学是统计的.
背景情况:
- 循环节律调节生理过程;干扰与疾病有关.
- 识别具有差异性昼夜 (DC) 模式的分子生物标志物有助于疾病预防和治疗.
- 现有的直流分析方法在振幅,相位和MESOR方面扎,缺乏外部知识集成.
研究的目的:
- 介绍BayesDCirc,这是一个新的贝叶斯层次模型,用于检测差异性昼夜模式.
- 通过允许MESOR差异测试和外部知识的整合来解决现有方法的局限性.
- 提高差异性昼夜生物标志物识别的准确性和稳定性.
主要方法:
- 开发了一个贝叶斯层次模型,BayesDCirc,用于两组差异性昼夜模式分析.
- 纳入了测试MESOR (中点估计睡眠和活动节奏) 差异的能力,以及振幅和阶段.
- 能够整合来自相关生物背景的外部差异性昼夜信息.
主要成果:
- 与现有方法相比,BayesDCirc表现出优越的虚假发现率 (FDR) 控制.
- 该模型在利用DC基因的外部知识时表现得更好.
- 应用于真实数据集,BayesDCirc成功识别了关键的昼夜基因,特别是与集成的外部数据.
结论:
- 贝叶斯DCirc为差异性昼夜模式分析提供了一个灵活而强大的框架.
- 该模型测试MESOR差异和结合外部知识的能力增强了生物标志物的发现.
- 贝叶斯DCirc R包可供公众使用,以促进 chronobiology 和疾病生物标志物识别领域的进一步研究.


