搜索
查看: 528|回复: 0

芯片数据分析 【第九讲:网络图的子网络获取 】

[复制链接]

13

主题

33

帖子

223

积分

版主

Rank: 7Rank: 7Rank: 7

积分
223
发表于 2016-12-14 14:44:04 | 显示全部楼层 |阅读模式
第九讲:网络图的子网络获取

子网络模型(subnetwork model)
--》有效地识别出统计学上特异表达的网络模块,帮助生物学家找到可供进行实验验证的重要基因或者蛋白。所识别出的特异性表达子网络更能够反应出真实的生物学意义。


细胞中的分子机器(molecular machine)的组织形式被认为是以模块化(modular)的形式出现的。这些模块中相互作用的生物学分子,被认为具有相似的功能,或者出现在同一个生物学通路之中。传统的通路分析,就是针对一个基因的集合列表,进行在生物学功能(Gene Ontology)或者生物学通路(KEGG Pathway)的富集分析。基于子网络的分析方法(subnetwork-based analyses)的总体思路也是类似的,差别在于同时考虑了这些基因或者蛋白之间的相互作用信息,这种分析方法被认为是更能够体现出生物学意义的。然而,种类繁多的网络分析方法,更多地将关注度放在了网络拓扑性质的计算方面,计算量很大,使用起来也不是非常方便,需要一定的专业经验。
我写了一个:用BioNet这个bioconductor包来找 maximal-scoring subgraph
除了寻找核心的子网络,还有把网络给分成各个module的,比如mcode模型,也是个cytoscape插件
事实上基于这个分析思路开发的工具也有不少,比如:Network-based analysis of omics data: The LEAN method
http://bioinformatics.oxfordjournals.org/content/early/2016/10/25/bioinformatics.btw676.short?rss=1




上一篇:芯片数据分析【第八讲:PPI网络数据用R或者cytoscape画网络...
下一篇:芯片数据分析 【第十讲:如何找hug genes】
回复

使用道具 举报

您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

QQ|关于我们|手机版|小黑屋|生信技能树    

GMT+8, 2017-8-23 04:32 , Processed in 0.027540 second(s), 32 queries .

Powered by Discuz! X3.2

© 2001-2013 Comsenz Inc.