改進的方式來解釋高通量生物數據
日期:2015-07-20 14:27:21
該研究制定了識別從一系列龐大的數據源分子之間關聯獨特的生物信息學方法。適用于研究,目的是衡量代謝variating條件下的組織,例如遺傳,飲食和環境。
反對適用統計分析數據集作為一個整體,所提出的工作流分解的初始數據轉換成由已知的分子相互作用確定較小的組電流的方法。統計方法可以被應用到這些基團產生比如果分析已應用于整個數據集更準確的結果。
這種技術已被證明可以改善與脂質代謝的一個例子鼠營養的研究,增加了我們的生化波動的了解15%的基因檢測。
代謝物,代謝過程中產生的小分子,以及基因之間確定關聯是理解過程在細胞中。然而,揭示了這些關系是一項復雜的任務,整合所關心的各種類型的分子數據時尤其如此。添加到這種復雜性是可供分析,新的實驗高通量技術的發展結果如此龐大的數據量。
最初,工作流程分子將被應用到研究前列腺癌,在合作與食品研究所的。以及被應用到東英吉利大學學習黃酮類化合物對健康的益處,這是在各種水果和蔬菜工廠發現的代謝產物。
通過提高我們的能力,以集成來自各種來源的數據,并確定代謝物和基因之間的聯系,該工作流將提供在生物過程的細胞代謝和基因表達更詳細的診斷。
合著者,Wiktor的Jurkowski,綜合基因組學組組長,在TGAC,說:“知識聚集的分子網絡可以利用,以提高數據整合和解釋。
“我們的方法,整合轉錄組和代謝組數據將有助于解釋由組學技術測量,以擴大我們的流程知識在特定的生物條件下,因此,在解釋數據受益生物學信號,創造更好的hypothesises和查明基因和代謝產物參與解開機制的興趣。
“這是概念證明型的研究,我們目前正在努力改善的相互作用組備用區,少種注釋組生成策略。我們正在應用此等分子網絡方法在整個諾維奇研究合作項目所產生的數據公園“。
上一篇: 單細胞成像葡萄糖攝取活性
下一篇: 轉基因生物與健康的好處有很大的市場潛力