广东时时彩今天开奖结果
基因共表达网络分析致力于寻找协同表达的基因模块,并探索基因网络与研究者关注的表型之间的关联关系。它基于高通量的微阵列技术,应用基因表达芯片得到实验数据没从转录水平探索基因网络与疾病或者性状之间的关联关系,因此应用与复杂疾病的易感基因的鉴定、新药研发等生物医学领域。
加权基因共表达网络构建(weighted gene co-expression network,WGCNA)算法作为一种高效、准确的生物信息学、生物数据挖掘方法,理论不断完善,应用日渐广泛。该算法基于高通量的基因信使RNA(mRNA)表达芯片数据,被广泛应用于国际生物医学领域。WGCNA算法首先假定基因网络服从无尺度分布,并定义基因共表达相关矩阵、基因网络形成的邻接函数,然后计算不同节点的相异系数,并据此构建分层聚类树(hierarchical clustering tree),该聚类树的不同分支代表不同的基因模块(module),模块内基因共表达程度高,而分属于不同模块的基因共表达程度低。最后,探索模块与特定表型或疾病的关联关系,最终达到鉴定疾病治疗的靶点基因、基因网络的目的。


图1. 利用WGCAN筛选疾病显著性共表达网络模块的过程(a基因表达相似性聚类图(下面的橙色条带代表表达量,上面是根据表达量对基因的聚类);b参数β选择(两图中横轴均代表权重参数β,左图中纵轴为网络中连接点个数取对数log(k)和节点出现的概率的对数值log(p(k))的相关系数的平方,右图中纵轴代表平均连通度;c.权重共表达网络聚类结果,图中不同颜色代表不同的聚类模块,左侧为模块特征向量的距离;d. 模块中基因显著性GS均值及误差分布)


图2. WGCNA模块中与疾病显著相关的网络模块

WGCNA分析

基因共表达网络分析致力于寻找协同表达的基因模块,并探索基因网络与研究者关注的表型之间的关联关系。它基于高通量的微阵列技术,应用基因表达芯片得到实验数据没从转录水平


联系我们

扫描二维码分享到微信

广东时时彩今天开奖结果 体彩江苏7位数开奖号码 堡垒之夜手机版如何在电脑上运行,电脑安装教程 中国体彩网官方网站22选5 四川麻将之血战到底 毕尔巴鄂竞技vs巴塞罗那 3d彩经网预测号 魔兽世界盗贼 广西快乐双彩开奖详情 福利新疆35选7走势图 图卢兹足球俱乐部