تحلیل غنیسازی مسیر سریهای زمانی — فعالیت پویای مسیر در طول زمان
تحلیل غنیسازی مسیر سریهای زمانی، مسیرهای بیولوژیکی را شناسایی میکند که فعالیت هماهنگ ژنی آنها به طور معنیداری در طول نقاط زمانی مرتب شده تغییر میکند. این روش به جای در نظر گرفتن هر نقطه زمانی به طور مستقل، مسیر زمانی بیان ژن را در هر مسیر مدلسازی میکند و آزمایش میکند که آیا کل برنامههای بیولوژیکی — نه فقط ژنهای منفرد — به شیوهای وابسته به زمان فعال یا سرکوب میشوند. این روش به طور گسترده در زیستشناسی تکوینی، مطالعات پاسخ به دارو، و دورههای زمانی عفونت استفاده میشود.
مطالعهٔ کامل روش
برای خواندن این بخش با حساب رایگان وارد شوید.
نقشهٔ روش
همسایگی روشهای مرتبط — برای کاوش، یک گره را برگزینید.
منابع
- Ernst, J., Nau, G. J., & Bar-Joseph, Z. (2005). Clustering short time series gene expression data. Bioinformatics, 21(Suppl 1), i159–i168. link ↗
- Cheng, J., Tegge, A. N., & Bhatt, D. L. (2014). A method for identifying and interpreting time-series pathway activity changes from gene expression data. Bioinformatics, 30(21), 3147–3154. link ↗
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 3). Time-Series Pathway Enrichment Analysis. ScholarGate. https://scholargate.app/fa/bioinformatics/time-series-pathway-enrichment-analysis
کدام روش؟
این روش را در کنار نزدیکترین روشهای خویشاوندش بگذارید و آنها را کنار هم بخوانید — کتابخانه کتابها را روی میز میگشاید؛ انتخاب با شماست.
- تحلیل غنیسازی مجموعههای ژنی (GSEA)زیستاطلاعاتی↔ مقایسه
- تحلیل غنیسازی مسیر چند-اُمیکسزیستاطلاعاتی↔ مقایسه
- Pathway Enrichment Analysisزیستاطلاعاتی↔ مقایسه
- تحلیل بیان افتراقی RNA-seqزیستاطلاعاتی↔ مقایسه
- تحلیل بیان ژن افتراقی RNA-seq سری زمانیزیستاطلاعاتی↔ مقایسه
Similar methods
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →