GeneSifter在基因表达谱芯片数据挖掘中的应用

介绍一款基因芯片数据分析工具──GeneSifter软件,具有快速、直观、便捷等特点,尤其适用于基因表达谱的数据挖掘。芯片数据一般以格式化文本文档形式上载,根据实验目的、设计不同,总共有4种上载向导工具,数据分析从控制台Analysis项目下的Pairwise或Projects进入,需要设置滤过、阈值和统计分析等参数,Pairwise可获得的结果有:差异显著性基因列表、基因本体报告和KEGG通路报告等,Projects有更为强大的功能,可获取聚类等6种结果。GeneSifter独特的一站式单击设置,可获得相关基因的11个数据库最新链接。GeneSifter适用于基因芯片数据挖掘的生物研究人员。

改进的基因术语间语义相似度计算方法

目前,基于混合方法的相似度计算对影响语义相似度的因素分析不全面。针对这个问题,提出了基于多个影响术语语义相似度度量因素的综合方法。该方法结合语义层次,语义距离和局部语义密度,充分运用本体的语义信息来计算基因术语间的语义相似度。实验结果表明,该方法与人工打分的相关系数更高。

基因表达谱富集分析方法研究进展

微阵列技术是生物技术变革的核心,允许研究者同时监测成千上万个基因的表达水平,已广泛应用于医学研究。如何挖掘海量基因表达信息中的有用信息并进行生物学专业解释,是基因表达谱数据分析领域所面临的一个重要挑战。不同的研究者提出了各种基于基因集进行富集分析的方法,在此将这些方法大致分为两大类,即bottom-up方法和top-down方法。前者先进行单基因分析,然后根据生物学领域知识注释基因集并进行分析。该方法应用广泛,且结果比单基因分析容易解释。后者先根据生物学领域知识将各基因进行归类,然后进行基因差异表达模式分析。该方法不仅能提高结论的可解释性,而且能达到降维的目的。

一种衡量基因语义相似度的新方法

提出了一种新的方法来衡量基因之间的语义相似度。本方法的主要原则是同时依赖于GO拓扑结构图中基因注释项之间的路径长度和基因注释项的公共祖先节点在GO拓扑结构图中的深度。用人工数据和取自酵母基因数据库的基因数据进行了实验,结果表明本方法比传统方法更有效。

一种改进的基因功能网络术语相似度计算方法

阐述现有基因术语间语义相似度计算方法,提出基于融合高斯核函数的重启随机游走的基因本体术语相似度算法(Random Walk with Restart-based Similarity Measure, RWRSM),测试算法性能并进行分析,结果表明该算法优于其他算法,可以提高准确性及稳定性。

基于基因本体的语义相似度计算方法研究综述

基因本体是一个被广泛使用的生物数据资源,主要用于描述基因和基因产物的属性,包括分子功能、生物过程和细胞组件三个方面。基于基因本体的术语相似度及基因功能相似度计算对基因功能分析、比较和预测等生物学研究热门领域具有非常重要的意义。本文综述了基于基因本体的语义相似度算法,主要包括基因本体同一分支中的术语相似度计算法和基因本体跨分支术语相似度算法两大部分内容,并对这些方法的优缺点做了一定的分析总结。