Time-Series Pathway Enrichment Analysis — Dynamische Pathway-activiteit over tijd
Time-series pathway enrichment analysis identificeert biologische pathways waarvan de gecoördineerde genactiviteit significant verandert over geordende tijdspunten. In plaats van elk tijdspunt onafhankelijk te behandelen, modelleert de methode de temporele trajectorie van genexpressie binnen elke pathway en test of gehele biologische programma's — niet slechts individuele genen — op een tijdsafhankelijke manier worden geactiveerd of onderdrukt. Het wordt veelvuldig gebruikt in ontwikkelingsbiologie, studies naar medicijnrespons en tijdscursussen van infecties.
Lees de volledige methode
Log in met een gratis account om dit onderdeel te lezen.
Methodenkaart
De omgeving van verwante methoden — selecteer een knooppunt om te verkennen.
Bronnen
- 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 ↗
Deze pagina citeren
ScholarGate. (2026, June 3). Time-Series Pathway Enrichment Analysis. ScholarGate. https://scholargate.app/nl/bioinformatics/time-series-pathway-enrichment-analysis
Welke methode?
Plaats deze methode naast haar naaste verwanten en lees ze naast elkaar — de bibliotheek legt de boeken op tafel; de keuze is aan u.
- Gen-setverrijkingsanalyse (GSEA)Bio-informatica↔ vergelijken
- Multi-omics Pathway Enrichment AnalysisBio-informatica↔ vergelijken
- Pathway-verrijkingsanalyseBio-informatica↔ vergelijken
- RNA-seq Differentiele ExpressieBio-informatica↔ vergelijken
- Differentiële expressieanalyse van tijdreeks-RNA-seqBio-informatica↔ vergelijken
Similar methods
Een fout op deze pagina gezien? Meld het of stel een correctie voor →