从短剖面组学数据中提取与整合基因网络
分子网络
2020-11-12 v2
摘要
质谱技术广泛应用于离子组学和代谢组学领域，以在基因组尺度上同时剖析氨基酸或元素等细胞内浓度剖面。分子或亚分子特征的短剖面本质上非高斯，并可能揭示反映细胞生化与生物学系统本质的相关模式。在此我们引入两种剖面相似性度量，它们强化了来自数据经验协方差矩阵的信息：马哈拉诺比斯余弦与混合马哈拉诺比斯余弦。我们通过分析源自模式生物酿酒酵母（S. cerevisiae）离子组与代谢组的实验数据集，以及若干大型精选遗传注释数据库，评估这些相似性度量在从组学数据推断与整合基因网络任务中的性能。所提出的基于协方差的相似性度量通常比常用的皮尔逊相关与标准余弦相似性更能恢复基因间已知与预测的关联。推荐这两种度量中哪一种取决于关注点是在全局还是局部基因网络尺度上提取遗传关联。
引用
@article{arxiv.1910.14191,
title = {Extraction and integration of genetic networks from short-profile omic datasets},
author = {Jacopo Iacovacci and Alina Peluso and Timothy Ebbels and Markus Ralser and Robert Charles Glen},
journal= {arXiv preprint arXiv:1910.14191},
year = {2020}
}
备注
Results not valid