Tīkla analīze ceļu bagātināšanai
Tīkla analīze ceļu bagātināšanai integrē molekulāro mijiedarbības tīklus — proteīnu-proteīnu mijiedarbības, signālmolekulu grafus vai gēnu regulācijas tīklus — ar omikas mērījumiem, lai identificētu bioloģiskos ceļus, kas ir koordinēti mainīti noteiktā stāvoklī. Atšķirībā no klasiskajām pārmērīgas pārstāvības vai gēnu kopu bagātināšanas pieejām, kas ceļu gēnus uzskata par neatkarīgiem sarakstiem, šī metožu saime izplata signālus pa tīkla saitēm, uztverot mijiedarbību topoloģiju un atklājot disregulētus moduļus, ko plakano sarakstu bagātināšana palaistu garām.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Metožu karte
Saistīto metožu apkaime — atlasiet mezglu, lai izpētītu.
Avoti
- Ideker, T., Ozier, O., Schwikowski, B., & Siegel, A. F. (2002). Discovering regulatory and signalling circuits in molecular interaction networks. Bioinformatics, 18(suppl_1), S233–S240. link ↗
- Vaske, C. J., Benz, S. C., Sanborn, J. Z., Earl, D., Szeto, C., Zhu, J., Haussler, D., & Stuart, J. M. (2010). Inference of patient-specific pathway activities from multi-dimensional cancer genomics data using PARADIGM. Bioinformatics, 26(12), i237–i245. DOI: 10.1093/bioinformatics/btq182 ↗
Kā citēt šo lapu
ScholarGate. (2026, June 3). Network-based Pathway Enrichment Analysis. ScholarGate. https://scholargate.app/lv/bioinformatics/network-based-pathway-enrichment-analysis
Kura metode?
Novietojiet šo metodi blakus tās tuvākajām radniecīgajām metodēm un lasiet tās līdzās — bibliotēka noliek grāmatas uz galda; izvēle ir jūsu.
- GSEA (Gēnu kopu bagātināšanas analīze)Bioinformātika↔ salīdzināt
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →