Sigscores:R中的分子特征的总结分数
Alessandro Barberis1,2, Francesca M Buffa1,3,4
1Computational Biology and Integrative Genomics Lab, Department of Oncology, University of Oxford, Oxford, OX3 7DQ, United Kingdom.
Bioinformatics advances
|March 9, 2026
概括
这项研究引入了sigscores,一个R包,用于计算分子签名的总结得分,提高生物标志物的可重复性. Sigscores增强了多学科数据的分析,以实现更好的诊断和预后应用.
科学领域:
- 生物信息学是一种生物信息学.
- 计算生物学 计算生物学
- 基因组学就是基因组学.
背景情况:
- 多omics数据扩展需要强大的生物标志物发现方法.
- 现有的分子签名往往缺乏可重现性和广泛适用性.
- 将复杂的分子形状总结成可靠的得分仍然是一个挑战.
研究的目的:
- 介绍sigscores,一个R包,用于简化分子签名总结得分的计算.
- 提高分子特征的可复制性和适用性.
- 为严格的统计评估和签名诊断评估提供工具.
主要方法:
- 开发了 sigscores,一个基于 sigQC 原则的 R 包.
- 实施了各种各样的评分指标 (中心倾向,分散,聚合).
- 集成了一个用于实证零分布和显著性测试的重新抽样框架.
- 包括用于诊断评估的可视化工具.
主要成果:
- Sigscores简化了对分子签名的统计学上合理和生物学上有意义的分数的计算.
- 该软件包支持各种各样的评分指标和严格的意义评估.
- 为并行处理进行了优化,可实现高吞吐量和大规模应用.
结论:
- Sigscores提供了一个强大的解决方案,用于从多omics数据中总结分子签名.
- 该R包促进了用于诊断,预后和治疗决策的改善生物标志物开发.
- Sigscores适用于探索性研究和大规模生物信息学应用.
