强大的等级协集群用于探索毒基因组生物标志物及其化学调节剂
Mohammad Nazmol Hasan1, Md Bahadur Badsha2,3, Md Nurul Haque Mollah4
1Department of Statistics, Gazipur Agricultural University, Gazipur, 1706, Bangladesh.
Scientific reports
|May 14, 2025
概括
一种新的强大的等级协集群 (rHCoClust) 方法通过准确识别差异表达基因的化学调节剂,即便有异常数据,也可以改进毒基因组分析. 这种方法增强了用于药物开发的毒基因组生物标志物的发现.
科学领域:
- 毒理学和生物信息学
- 计算生物学 计算生物学
- 基因组学和化学信息学
背景情况:
- 毒性测量对于药物发现至关重要,有毒基因组生物标志物发挥着至关重要的作用.
- 差异表达基因 (DEG) 和它们的化学调节剂是毒基因组学研究的关键.
- 现有的共同集群方法缺乏对异常值的稳定性,并且难以将上调/下调监管集群分开.
研究的目的:
- 为毒基因组数据分析提出一个强大的等级协集群 (rHCoClust) 方法.
- 开发一个R包"rhcoclust"来实现rHCoClust方法.
- 加强对毒基因组生物标记物及其化学调节物的鉴定,解决现有方法的局限性.
主要方法:
- 开发和实施强大的等级协集群算法 (rHCoClust).
- 模拟研究比较rHCoClust与传统的等级协集群 (HCoClust) 和双集群方法.
- 使用毒基因组数据集进行真实数据分析,以评估rHCoClust与HCoClust的性能.
主要成果:
- rHCoClust在存在异常值时检测共同集群方面表现优于HCoClust.
- rHCoClust的表现优于双聚类方法,特别是在识别上调和下调的共同集群方面.
- 真实数据分析发现了与谷氨代谢和PPAR信号通路相关的显著DEG化学调节器协集群.
结论:
- 拟议的rHCoClust方法为毒基因组数据分析提供了强大而有效的方法.
- "rhcoclust" R-Package促进了对毒基因组生物标记物及其化学调节物的探索.
- rHCoClust通过处理异常值和区分基因表达方向来提高毒基因组学研究的可靠性.
更多相关视频
11:38High Content Screening Analysis to Evaluate the Toxicological Effects of Harmful and Potentially Harmful Constituents HPHC
Published on: May 10, 2016
12.1K
09:01A High-throughput Assay for the Prediction of Chemical Toxicity by Automated Phenotypic Profiling of Caenorhabditis elegans
Published on: March 14, 2019
7.2K
