Process / pipelineBioinformatics / omics
时间序列通路富集分析 — 动态通路活性随时间变化
时间序列通路富集分析旨在识别在有序时间点上,其协调基因活性发生显著变化的生物学通路。该方法不将每个时间点独立处理,而是对每个通路内基因表达的时间轨迹进行建模,并检验整个生物学程序(而不仅仅是单个基因)是否以时间依赖的方式被激活或抑制。它广泛应用于发育生物学、药物反应研究和感染时间进程研究。
在 MethodMind 中打开即将推出Apply, compare, get guidance
Tools & resources
Learn & explore
视频即将推出
阅读完整方法
仅限会员
登录使用免费账户登录即可阅读本节。
方法图谱
相关方法的邻域——选择一个节点以展开探索。
来源
- 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 ↗
如何引用本页
ScholarGate. (2026, June 3). Time-Series Pathway Enrichment Analysis. ScholarGate. https://scholargate.app/zh/bioinformatics/time-series-pathway-enrichment-analysis
选用哪种方法?
将本方法与其最相近的同类并置,并排研读——本馆将书籍铺陈于案上,取舍则由您定夺。
- 基因集富集分析 (GSEA)生物信息学↔ 比较
- 多组学通路富集分析生物信息学↔ 比较
- 通路富集分析生物信息学↔ 比较
- RNA-seq差异表达生物信息学↔ 比较
- 时间序列 RNA-seq 差异表达生物信息学↔ 比较
Similar methods
Time-series gene set enrichment analysisDifferential pathway enrichment analysisTime-series RNA-seq differential expressionPathway Enrichment AnalysisBayesian Pathway Enrichment AnalysisMachine learning-assisted pathway enrichment analysisMulti-omics Pathway Enrichment AnalysisTime-series proteomics analysis