用未配对样本推断差异性基因调节网络推断的双倍最佳运输
Mengyu Li1, Bencong Zhu2, Cheng Meng3
1Institute of Statistics and Big Data, Renmin University of China, Beijing 100872, China.
这项研究引入了双倍最佳传输 (OT),一种用于从未配对的基因表达数据中重建差异基因调节网络 (GRNs) 的新方法. 双重OT提供了卓越的效率和准确性,识别了胃癌中MET等关键调节基因.
科学领域:
- 计算生物学 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:
- 从基因表达数据中推断差异性基因调节网络 (GRNs) 具有挑战性,原因是可扩展性和准确性限制.
- 现有的方法往往需要配对样本,限制了比较GRN分析.
研究的目的:
- 开发一种高效准确的方法,从未配对的基因表达特征中重建差异性GRNs.
- 解决目前GRN推断方法在可扩展性和处理高维数据方面的局限性.
主要方法:
- 模拟基因调节作为一个分布运输问题,使用一种新的两级最佳运输 (OT) 框架,称为双 OT.
- 雇用部分OT用于未配对样本的样本水平对齐.
- 从对齐的样本中利用强大的OT进行基因级GRN推断.
主要成果:
- 与最先进的方法相比,双重OT在重建不同网络规模的差异GRN方面表现出更高的效率和有效性.
- 对胃癌数据集的应用确定了原瘤基因MET作为癌症GRN的中心节点.
- 在早期瘤发生过程中MET的确定的作用及其治疗潜力验证了该方法的实用性.
结论:
- 双重OT提供了一个有效的解决方案,用于使用未配对样本进行差异GRN推断.
- 该方法提高了对胃癌等疾病的调节机制的理解.
- 鉴定了MET的中心作用,突出了其在胃癌发展中的重要性,以及作为潜在的治疗点.
更多相关视频
10:44Inherent Dynamics Visualizer, an Interactive Application for Evaluating and Visualizing Outputs from a Gene Regulatory Network Inference Pipeline
Published on: December 7, 2021
10:10Three Differential Expression Analysis Methods for RNA Sequencing: limma, EdgeR, DESeq2
Published on: September 18, 2021
相关概念视频
Regulated mRNA Transport
One-Compartment Open Model: Wagner-Nelson and Loo Riegelman Method for ka Estimation
On...
Comparing Copy Number Variations and SNPs
Copy number variations or CNVs are the structural variations that cover more than 1kb of DNA sequence. The single nucleotide polymorphism (SNP), on the other hand, is a single nucleotide change or a point mutation that is found in more than 1%...
Nonlinear Pharmacokinetics: Role of Transporters
Polymorphisms occurring in drug transporters can alter...
Short-distance Transport of Resources
Gene Evolution - Fast or Slow?
In contrast, regions which code...
