Laika sēriju ceļu bagātināšanas analīze — dinamiska ceļu aktivitāte laika gaitā
Laika sēriju ceļu bagātināšanas analīze identificē bioloģiskos ceļus, kuru koordinēta gēnu aktivitāte ievērojami mainās sakārtotos laika punktos. Tā vietā, lai katru laika punktu aplūkotu neatkarīgi, metode modelē gēnu ekspresijas temporālo trajektoriju katrā ceļā un testē, vai veselas bioloģiskās programmas — nevis tikai atsevišķi gēni — tiek aktivizētas vai nomāktas laika atkarīgā veidā. Tā tiek plaši izmantota attīstības bioloģijā, zāļu atbildes pētījumos un infekciju laika kursos.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Metožu karte
Saistīto metožu apkaime — atlasiet mezglu, lai izpētītu.
Avoti
- 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 ↗
Kā citēt šo lapu
ScholarGate. (2026, June 3). Time-Series Pathway Enrichment Analysis. ScholarGate. https://scholargate.app/lv/bioinformatics/time-series-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
- Daudzomu šķērsviršķu bagātības analīzeBioinformātika↔ salīdzināt
- Signālu ceļu bagātināšanas analīzeBioinformātika↔ salīdzināt
- RNA-seq diferenciālās ekspresijasBioinformātika↔ salīdzināt
- Diferenciālās ekspresijas analīze laika sērijās, izmantojot RNA-seqBioinformātika↔ salīdzināt
Similar methods
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →