...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>BMC Genomics >Simultaneous analysis of distinct Omics data sets with integration of biological knowledge: Multiple Factor Analysis approach
【24h】

Simultaneous analysis of distinct Omics data sets with integration of biological knowledge: Multiple Factor Analysis approach

机译：结合生物学知识，同时分析不同的Omics数据集：多因素分析方法

获取原文
   

获取外文期刊封面封底 >>

       
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Background Genomic analysis will greatly benefit from considering in a global way various sources of molecular data with the related biological knowledge. It is thus of great importance to provide useful integrative approaches dedicated to ease the interpretation of microarray data. Results Here, we introduce a data-mining approach, Multiple Factor Analysis (MFA), to combine multiple data sets and to add formalized knowledge. MFA is used to jointly analyse the structure emerging from genomic and transcriptomic data sets. The common structures are underlined and graphical outputs are provided such that biological meaning becomes easily retrievable. Gene Ontology terms are used to build gene modules that are superimposed on the experimentally interpreted plots. Functional interpretations are then supported by a step-by-step sequence of graphical representations. Conclusion When applied to genomic and transcriptomic data and associated Gene Ontology annotations, our method prioritize the biological processes linked to the experimental settings. Furthermore, it reduces the time and effort to analyze large amounts of 'Omics' data.
机译：背景技术基因组分析将从全局考虑具有相关生物学知识的分子数据的各种来源中受益匪浅。因此，重要的是提供有用的整合方法，以简化对微阵列数据的解释。结果在这里，我们介绍一种数据挖掘方法，即多因素分析（MFA），以组合多个数据集并添加形式化知识。 MFA用于共同分析从基因组和转录组数据集中出现的结构。共同的结构用下划线标出，并提供图形输出，以使生物学意义变得易于检索。基因本体术语用于构建叠加在实验解释的图上的基因模块。然后，按顺序进行图形表示即可支持功能性解释。结论当应用于基因组和转录组数据以及相关的基因本体注释时，我们的方法优先考虑与实验环境相关的生物学过程。此外，它减少了分析大量“ Omics”数据的时间和精力。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号