基因共表达网络分析java,基因共表达——基因共表达网络分析

基因共表达网络分析是一种通过基因表达数据挖掘基因功能的方法,利用基因间的共表达趋势来研究功能关联。常见策略包括Guide-genes和Non-targeted,其中模块检测采用top-down和bottom-up方法。相关系数如Pearson's correlation coefficient用于衡量基因相关性,P-value筛选显著性。样本选择对分析结果有重要影响,后续分析可涉及GO、KEGG分析及顺式元件研究。
摘要由CSDN通过智能技术生成

Gene co-expression(基因共表达)是一种使用大量基因表达数据构建基因间的相关性,从而挖掘基因功能的一类分析方法。

在很多情况下,有着相似行为/变化的物质,会存在着一定的联系。在生物中,存在于同一个通路的基因在表达值上,会表现出共表达的趋势(co-expression patterns),通过这个特性可以进行基因功能(一般的基因注释是通过序列的相似性,而通过基因共表达可以进行功能同源基因的注释)、module等的挖掘,这是一种guilt-by-association的思想。module 指的是在共表达网络中,一组相互连接紧密的node(基因),一般认为一个module中的基因在功能上是相关的。通常通过设定阕值来进行寻找

在共表达分析中,有两种有效的策略Guide-genes 和Non-targeted:

146416401_1_20181008090231105.png

image.png

Guide-genes策略是,先找到感兴趣的基因/通路的共表达基因,进行可视化,然后再加入另外的基因,看两次加入的基因之间存在怎样的关系,以此来基因的关系。

Non-targeted 策略与Guide-genes不同,它没有感兴趣的基因,所以它从头构建了所有表达数据的共表达网络,然后寻找其中的module。然后然后去探究module的功能。Non-target策略中检测module的方法

  • 1
    点赞
  • 10
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值