Process / pipelineBioinformatics / omics

การวิเคราะห์ความอุดมสมบูรณ์ของวิถีชีวภาพ — การวิเคราะห์ความอุดมสมบูรณ์ของวิถีชีวภาพ

การวิเคราะห์ความอุดมสมบูรณ์ของวิถี (PEA) เป็นแนวทางทางสถิติที่รับรายการยีนหรือโปรตีนที่น่าสนใจ — โดยทั่วไปได้มาจากผลการทดลองการแสดงออกที่แตกต่างกันหรือการทดลองโปรตีโอมิกส์ — และระบุว่าวิถีชีวภาพที่กำหนดไว้ล่วงหน้าหรือชุดยีนเชิงหน้าที่ใดที่มีการนำเสนอมากกว่าที่คาดหวังโดยบังเอิญ โดยการจับคู่การเปลี่ยนแปลงระดับโมเลกุลแต่ละรายการกับฐานความรู้เกี่ยวกับวิถีที่ได้รับการดูแล เช่น KEGG, Gene Ontology หรือ Reactome, PEA จะแปลงรายการยีนยาวๆ ให้เป็นกระบวนการทางชีวภาพที่สามารถตีความได้ ทำให้เป็นเครื่องมือสำคัญในการวิเคราะห์หลังการทดลองโอไมก์สที่มีปริมาณสูง

เปิดใน MethodMindเร็ว ๆ นี้วิดีโอเร็ว ๆ นี้Download slides

อ่านวิธีฉบับเต็ม

สำหรับสมาชิกเท่านั้น

เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้

เข้าสู่ระบบ

Method map

The neighbourhood of related methods — select a node to explore.

+43 more

แหล่งอ้างอิง

  1. Subramanian, A., Tamayo, P., Mootha, V. K., Mukherjee, S., Ebert, B. L., Gillette, M. A., Paulovich, A., Pomeroy, S. L., Golub, T. R., Lander, E. S., & Mesirov, J. P. (2005). Gene set enrichment analysis: A knowledge-based approach for interpreting genome-wide expression profiles. Proceedings of the National Academy of Sciences, 102(43), 15545–15550. DOI: 10.1073/pnas.0506580102
  2. Alexa, A., Rahnenführer, J., & Lengauer, T. (2006). Improved scoring of functional groups from gene expression data by decorrelating GO graph structure. Bioinformatics, 22(13), 1600–1607. DOI: 10.1093/bioinformatics/btl140

วิธีอ้างอิงหน้านี้

ScholarGate. (2026, June 3). Biological Pathway Enrichment Analysis. ScholarGate. https://scholargate.app/th/bioinformatics/pathway-enrichment-analysis

Which method?

Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.

Compare side by side

ถูกอ้างอิงโดย

การเรียกหาจุดสูงสุดของ ChIP-seq แบบเบย์ (Bayesian ChIP-seq Peak Calling)การวิเคราะห์ Bayesian eQTLBayesian Gene Set Enrichment Analysisการศึกษาความสัมพันธ์ทั่วทั้งจีโนมแบบเบย์การวิเคราะห์เมแทบอโลมิกส์แบบเบย์การวิเคราะห์การเสริมเส้นทางชีวภาพแบบเบย์ (Bayesian Pathway Enrichment Analysis)การวิเคราะห์โปรตีโอมิกส์แบบเบย์Bayesian RNA-seq differential expressionการศึกษาความสัมพันธ์ทั่วทั้งอีพีจีโนมเชิงอนุพันธ์การวิเคราะห์ eQTL แบบจำแนกความแตกต่างDifferential Metabolomics Analysisการวิเคราะห์การเสริมเส้นทางที่แตกต่างกันDifferential Proteomics AnalysisEpigenome-Wide Association Study (EWAS)การวิเคราะห์ eQTLGene Set Enrichment Analysis (GSEA)การศึกษาความสัมพันธ์ทั่วทั้งจีโนม (GWAS)การวิเคราะห์ปริมาณลักษณะยีนที่แสดงออกโดยอาศัยการเรียนรู้ของเครื่องการวิเคราะห์การเสริมสร้างกลุ่มยีนโดยใช้การเรียนรู้ของเครื่องการวิเคราะห์ความหลากหลายของจุลินทรีย์ด้วยการเรียนรู้ของเครื่องMachine learning-assisted RNA-seq differential expressionการวิเคราะห์ข้อมูล RNA ลำดับเซลล์เดี่ยวด้วยการเรียนรู้ของเครื่องการวิเคราะห์เมแทบอโลมิกส์การศึกษาความสัมพันธ์ทั่วทั้งจีโนมของเอพิเจเนติกส์แบบหลายโอมิกส์การวิเคราะห์การเสริมเส้นทางยีนแบบหลายออมิกส์การวิเคราะห์เมแทบอโลมิกส์แบบหลายออมิกส์การวิเคราะห์ความหลากหลายของไมโครไบโอมแบบหลายโอไมกส์การวิเคราะห์โปรตีโอมิกส์แบบหลายออมิกส์การวิเคราะห์ Single-Cell RNA-seq แบบ Multi-omicsการวิเคราะห์ความแปรผันของจำนวนสำเนาที่อิงเครือข่ายNetwork-based epigenome-wide association studyการวิเคราะห์ Network-based eQTLการวิเคราะห์การเสริมสร้างยีนเซตแบบอิงเครือข่ายการศึกษาความสัมพันธ์ทั่วทั้งจีโนมแบบอิงเครือข่ายการวิเคราะห์เมแทบอโลมิกส์แบบเครือข่ายการวิเคราะห์ความหลากหลายของจุลินทรีย์บนฐานเครือข่ายการวิเคราะห์การแสดงออกที่แตกต่างกันของ RNA-seq โดยใช้เครือข่ายการวิเคราะห์ RNA-seq แบบเซลล์เดียวโดยอาศัยเครือข่ายการวิเคราะห์โปรตีโอมิกส์การแสดงออกแตกต่างกันของ RNA-seqSingle-cell eQTL Analysisการวิเคราะห์การเสริมกลุ่มยีนระดับเซลล์เดี่ยวการศึกษาความสัมพันธ์ทางพันธุกรรมทั่วทั้งจีโนมในระดับเซลล์เดี่ยวการวิเคราะห์เมแทบอโลมิกส์ระดับเซลล์เดี่ยวการวิเคราะห์ Single-cell RNA-seqSingle-cell RNA-seq differential expressionการวิเคราะห์การเสริมสร้างกลุ่มยีนอนุกรมเวลาการวิเคราะห์เมแทบอโลมิกส์อนุกรมเวลาการวิเคราะห์ความหลากหลายของจุลินทรีย์ในอนุกรมเวลาการวิเคราะห์การเสริมเส้นทางอนุกรมเวลาการแสดงออกที่แตกต่างกันของ RNA-seq แบบอนุกรมเวลาการวิเคราะห์ข้อมูล RNA-seq ระดับเซลล์เดี่ยวแบบอนุกรมเวลา
ScholarGatePathway Enrichment Analysis (Biological Pathway Enrichment Analysis). สืบค้นเมื่อ 2026-06-15 จาก https://scholargate.app/th/bioinformatics/pathway-enrichment-analysis · ชุดข้อมูล: https://doi.org/10.5281/zenodo.20539026