期刊文献+
共找到9篇文章
< 1 >
每页显示 20 50 100
Highly Regional Genes:graph-based gene selection for single-cell RNA-seq data 被引量:1
1
作者 Yanhong Wu Qifan Hu +6 位作者 Shicheng Wang Changyi Liu Yiran Shan Wenbo Guo Rui Jiang Xiaowo Wang Jin Gu 《Journal of Genetics and Genomics》 SCIE CAS CSCD 2022年第9期891-899,共9页
Gene selection is an indispensable step for analyzing noisy and high-dimensional single-cell RNA-seq(scRNA-seq)data.Compared with the commonly used variance-based methods,by mimicking the human maker selection in the ... Gene selection is an indispensable step for analyzing noisy and high-dimensional single-cell RNA-seq(scRNA-seq)data.Compared with the commonly used variance-based methods,by mimicking the human maker selection in the 2D visualization of cells,a new feature selection method called HRG(Highly Regional Genes)is proposed to find the informative genes,which show regional expression patterns in the cell-cell similarity network.We mathematically find the optimal expression patterns that can maximize the proposed scoring function.In comparison with several unsupervised methods,HRG shows high accuracy and robustness,and can increase the performance of downstream cell clustering and gene correlation analysis.Also,it is applicable for selecting informative genes of sequencing-based spatial transcriptomic data. 展开更多
关键词 single-cell RNA-sequencing Feature selection Spatially resolved transcriptomic data Regional patterns Graphical models
原文传递
Information Science Should Take a Lead in Future Biomedical Research 被引量:3
2
作者 Kenta Nakai 《Engineering》 SCIE EI 2019年第6期1155-1158,共4页
In this commentary, I explain my perspective on the relationship between arti cial intelligence (AI)/data science and biomedicine from a long-range retrospective view. The development of modern biomedicine has always ... In this commentary, I explain my perspective on the relationship between arti cial intelligence (AI)/data science and biomedicine from a long-range retrospective view. The development of modern biomedicine has always been accelerated by the repeated emergence of new technologies. Since all life systems are basically governed by the information in their own DNA, information science has special importance for the study of biomedicine. Unlike in physics, no (or very few) leading laws have been found in biology. Thus, in biology, the “data-to-knowledge” approach is important. AI has historically been applied to bio- medicine, and the recent news that an AI-based approach achieved the best performance in an interna- tional competition of protein structure prediction may be regarded as another landmark in the eld. Similar approaches could contribute to solving problems in genome sequence interpretation, such as identifying cancer-driving mutations in the genome of patients. Recently, the explosive development of next-generation sequencing (NGS) has been producing massive data, and this trend will accelerate. NGS is not only used for “reading” DNA sequences, but also for obtaining various types of information at the single-cell level. These data can be regarded as grid data points in climate simulation. Both data science and AI will become essential for the integrative interpretation/simulation of these data, and will take a leading role in future precision medicine. 展开更多
关键词 data science Artificial intelligence Next-generation sequencing DNA Cancer genome single-cell transcriptomics
下载PDF
转录组数据分析与功能基因挖掘 被引量:11
3
作者 李欣 李小俊 +2 位作者 陈晓丽 赵毅强 王栋 《畜牧兽医学报》 CAS CSCD 北大核心 2019年第3期474-484,共11页
高通量测序技术的不断发展和应用,为挖掘重要功能基因提供了转录组分析方法,但如何利用海量测序数据准确、高效地挖掘功能基因,仍是转录组学分析方法研究的重要瓶颈。本文综述了RNA-seq数据质量控制与读段定位、基因组注释、转录本拼接... 高通量测序技术的不断发展和应用,为挖掘重要功能基因提供了转录组分析方法,但如何利用海量测序数据准确、高效地挖掘功能基因,仍是转录组学分析方法研究的重要瓶颈。本文综述了RNA-seq数据质量控制与读段定位、基因组注释、转录本拼接、表达水平评估、差异表达分析等环节分析方法,比较了数据分析常用软件、算法和数据库等的性能和适用范围;同时,又综述了蛋白调控互作网络和加权基因共表达网络等差异表达基因的功能分析方法。转录组分析正在从只利用物种内信息挖掘差异基因,向引入其他物种参考系进行目标物种功能基因挖掘分析方向发展。结合同源基因预测候选基因法、选择信号法、极端数据法、GO注释和KEGG富集分析法及BSR-Seq(bulked segregant RNA-Seq)法等鉴定方法,使分析结果更加科学可靠。随着测序技术和数据分析方法不断进步、数据库资源不断完善,测序数据中隐含的基因表达调控和生命规律将会逐渐得到准确、深入揭示。 展开更多
关键词 转录组 数据分析 基因挖掘
下载PDF
基于单细胞数据挖掘、转录组学及网络药理学探讨暖心康防治慢性心力衰竭的机制 被引量:5
4
作者 康锦花 宁怡乐 +3 位作者 龙文杰 王陵军 冼绍祥 杨忠奇 《中华中医药学刊》 CAS 北大核心 2022年第5期108-112,270-275,共11页
目的医院院内制剂暖心康在治疗慢性心力衰竭中取得良好效果,但其潜在的防治慢性心衰的具体分子机制尚不十分明确,拟通过单细胞数据挖掘、转录组学、网络药理学及动物实验等探讨暖心康防治慢性心力衰竭的机制。方法随机将40只C57/BL6雄... 目的医院院内制剂暖心康在治疗慢性心力衰竭中取得良好效果,但其潜在的防治慢性心衰的具体分子机制尚不十分明确,拟通过单细胞数据挖掘、转录组学、网络药理学及动物实验等探讨暖心康防治慢性心力衰竭的机制。方法随机将40只C57/BL6雄性小鼠分成4组,假手术组(Sham)10只、模型组(TAC)10只、生理盐水组(Vehicle)10只、暖心康组(NXK)10只。动物模型制作采用主动脉弓缩窄术,先后予小动物超声心功能检测、HE染色、Masson染色、钙黄绿染色、实时荧光定量PCR(qPCR)验证暖心康防治慢性心衰。再予GEO数据库下载人源单细胞数据集(GSE95140)进行下游分析以得到慢性心衰差异基因,将暖心康药物-慢性心力衰竭疾病进行网络药理分析得到相应的药物-疾病靶点,联合转录组学所得关键靶基因进行网络互作,得到三者交集基因及相关GO条目和通路,将得到的预测基因予WB进行验证。结果在各项验证中TAC组与Vehicle组数据比较无统计学意义。而与Sham组相比,心脏体质量及质量联合超声显示TAC组、Vehicle组的HW/BW值明显升高(P<0.01),而EF值、FS值明显降低(P<0.01),HE、Masson染色、钙黄绿染色显示TAC组、Vehicle组心肌纤维化明显、心肌细胞排列紊乱及心肌细胞变大(P<0.01),qPCR显示TAC组、Vehicle组ANP、BNP、Myh7、Collagen I、Collagen III等基因的表达升高(P<0.01);与TAC组、Vehicle组比较,NXK组HW/BW值降低(P<0.05),而EF值、FS值均明显升高(P<0.01),HE、Masson染色、钙黄绿染色显示NXK组心肌纤维化、心肌细胞排列及心肌细胞大小改善明显(P<0.01),qPCR显示TAC组、Vehicle组ANP、BNP、MYH7、Collagen I、Collagen III等基因的表达降低(P<0.01);经单细胞数据挖掘所得差异基因、课题组前期心衰小鼠转录组数据所得差异基因及暖心康网络药理所得潜在治疗慢性心衰靶基因三者进行网络互作分析得到3个治疗慢性心力衰竭的核心基因,分别为SLC8A1、RYR2、NFIB;桑基图显示GO富集所得条目与钙流、跨膜转运、能量代谢、氧化磷酸化、氧化应激、凋亡等生物过程相关。WB验证实验显示,与Sham组相比,TAC组、Vehicle组RYR2、p-RYR2(ser2808)、Calpain1、Calpain2、NF-κB p65的蛋白表达量明显升高(P<0.01);与TAC、Vehicle组相比,NXK组RYR2、p-RYR2(ser2808)、Calpain1、Calpain2、NF-κB p65的蛋白表达量降低(P<0.01)。结论暖心康可改善慢性心力衰竭心室重构,其可能通过RYR2调控钙泄漏激活钙蛋白酶(Calpain1、Calpain2),进而激活NF-κB通路来发挥作用。 展开更多
关键词 慢性心力衰竭 暖心康 单细胞数据挖掘 转录组学 网络药理学
下载PDF
空间转录组的解读与探究:数据分析方法学研究现状与展望 被引量:1
5
作者 李润泽 陈旭 杨雪瑞 《科学通报》 EI CAS CSCD 北大核心 2024年第30期4415-4431,共17页
作为近年来快速发展的新兴技术,空间转录组学已经极大地改变了生物和医学多个领域的研究范式.这一技术保留了复杂组织中细胞的空间定位信息,并且以多细胞团、单细胞或亚细胞分辨率进行转录组分析.细胞空间定位信息与其分子特征谱的耦合... 作为近年来快速发展的新兴技术,空间转录组学已经极大地改变了生物和医学多个领域的研究范式.这一技术保留了复杂组织中细胞的空间定位信息,并且以多细胞团、单细胞或亚细胞分辨率进行转录组分析.细胞空间定位信息与其分子特征谱的耦合产生了新型的多模态高通量数据资源,这对高效的数据挖掘分析方法的开发提出了新的挑战.由于生理组织样本的复杂性与技术的局限性,空间转录组数据具有高度的非理想性.其数据结构复杂、信噪比低、稀疏性强且覆盖度不均一,给数据的深度分析和生物学信息的解析带来了一系列挑战,目前许多困难尚未解决.此外,多个技术路线的空间转录组学正在快速迭代发展,需要现有数据分析理论的发展和创新技术工具的开发.本文概述了当前空间转录组数据的常用解析方法,针对不同角度与层面的信息挖掘需求,讨论了现有方法的设计思路与潜在的局限性,并对未来方法学设计的方向和策略进行了展望,以期激发对新的数据分析理论、模型和算法的讨论和开发. 展开更多
关键词 空间转录组 生物信息学 人工智能 机器学习 数据挖掘
原文传递
TSUNAMI:Translational Bioinformatics Tool Suite for Network Analysis and Mining
6
作者 Zhi Huang Zhi Han +6 位作者 Tongxin Wang Wei Shao Shunian Xiang Paul Salama Maher Rizkalla Kun Huang Jie Zhang 《Genomics, Proteomics & Bioinformatics》 SCIE CAS CSCD 2021年第6期1023-1031,共9页
Gene co-expression network(GCN)mining identifies gene modules with highly correlated expression profiles across samples/conditions.It enables researchers to discover latent gene/molecule interactions,identify novel ge... Gene co-expression network(GCN)mining identifies gene modules with highly correlated expression profiles across samples/conditions.It enables researchers to discover latent gene/molecule interactions,identify novel gene functions,and extract molecular features from certain disease/condition groups,thus helping to identify disease bio-markers.However,there lacks an easy-to-use tool package for users to mine GCN modules that are relatively small in size with tightly connected genes that can be convenient for downstream gene set enrichment analysis,as well as modules that may share common members.To address this need,we developed an online GCN mining tool package:TSUNAMI(Tools SUite for Network Analysis and MIning).TSUNAMI incorporates our state-of-the-art lmQCM algorithm to mine GCN modules for both public and user-input data(microarray,RNA-seq,or any other numerical omics data),and then performs downstream gene set enrichment analysis for the identified modules.It has several features and advantages:1)a user-friendly interface and real-time co-expression network mining through a web server;2)direct access and search of NCBI Gene Expression Omnibus(GEO)and The Cancer Genome Atlas(TCGA)databases,as well as user-input gene ex-pression matrices for GCN module mining;3)multiple co-expression analysis tools to choose from,all of which are highly flexible in regards to parameter selection options;4)identified GCN modules are summarized to eigengenes,which are convenient for users to check their correlation with other clinical traits;5)integrated downstream Enrichr enrichment analysis and links to other gene set enrichment tools;and 6)visualization of gene loci by Circos plot in any step of the process.The web service is freely accessible through URL:https://biolearns.medicine.iu.edu/.Source code is available at https://github.com/huangzhii/TSUNAMI/. 展开更多
关键词 Network mining Gene co-expression network transcriptomic data analysis lmQCM Web server Survival analysis
原文传递
基因转录表达数据的生物信息挖掘研究 被引量:7
7
作者 郭安源 《中国科学:生命科学》 CSCD 北大核心 2021年第1期70-82,共13页
基因表达是生物体中最重要和最基础的生物学过程和分子活动,生物体正是通过调控不同基因表达而实现生长发育和抵御刺激等生命活动.转录组测序是目前在生物医学研究中应用最为广泛的高通量检测基因表达的技术,也促进了大量针对转录组数... 基因表达是生物体中最重要和最基础的生物学过程和分子活动,生物体正是通过调控不同基因表达而实现生长发育和抵御刺激等生命活动.转录组测序是目前在生物医学研究中应用最为广泛的高通量检测基因表达的技术,也促进了大量针对转录组数据的生物信息挖掘方法和工具的发展.本文就基因表达中的转录组数据分析和挖掘方法进行了综述,从已有大规模转录组数据资源、转录组数据的常规分析、癌症转录组分析、转录组新技术和分析等生物信息方法方面进行了总结;同时,阐述了基于转录组数据的疾病标志物发现和分类预测模型研究方法,对正在兴起和迅速发展的单细胞转录组和空间转录组及其分析方法也进行了介绍;最后,总结了转录组测序适用的研究问题和分析内容及工具.本文将有助于广大生物医学研究者快速了解转录组技术的分析内容和适用情况,为选择合适的转录组测序和分析方法提供参考. 展开更多
关键词 转录组 生物信息学 数据挖掘 调控网络 大数据 肿瘤免疫 单细胞转录组测序 分析工具
原文传递
高通量单细胞转录组测序发展与展望 被引量:8
8
作者 蒋敏 李慧莉 +3 位作者 庞盼盼 韩峻松 李跃 张晓娜 《生命科学》 CSCD 北大核心 2020年第12期1280-1287,共8页
近年来,单细胞转录组测序技术发展迅猛,为人们研究细胞的异质性及在单个细胞分辨率下理解生命体系、过程和不同疾病状态提供了有效手段。基于微流控技术发展而来的高通量单细胞转录组测序技术是实现大量细胞平行检测的主要方法。现从高... 近年来,单细胞转录组测序技术发展迅猛,为人们研究细胞的异质性及在单个细胞分辨率下理解生命体系、过程和不同疾病状态提供了有效手段。基于微流控技术发展而来的高通量单细胞转录组测序技术是实现大量细胞平行检测的主要方法。现从高通量单细胞转录组检测平台研究进展、单个细胞捕获及检测的常用方法——特别是微滴与微孔技术原理与特点、数据分析流程、数据挖掘手段、现有存在问题和未来发展方向等角度进行阐述,希望该技术对生命科学研究起到促进和推动作用。 展开更多
关键词 单细胞 微流控 单细胞转录组测序 数据挖掘
原文传递
Nat Genet:单细胞分析解开结直肠癌细胞的神秘面纱 被引量:41
9
作者 Huipeng Li, Elise T Courtois, Debarka Sengupta, Yuliana Tan Shyam Prabhakar +16 位作者 Elise T Courtois, Yuliana Tan Paul Robson Debarka Sengupta Kok Hao Chen, Jolene Jie Lin Goh Paul Jongjoon Choi Say Li Kong, Axel M Hillmer Iain Beehuat Tan Clarinda Chua Iain Beehuat Tan Lim Kiat Hon Wah Siew Tan Mark Wong Lawrence J K Wee Iain Beehuat Tan Paul Robson Paul Robson Paul Robson 《现代生物医学进展》 CAS 2017年第15期I0003-I0003,共1页
结合单细胞基因组学和计算机技术,一个研究团队(包括来自杰克逊实验室(JAx)单细胞生物学主任Paul Robson博士在内)鉴定出了11种结直肠癌肿瘤的癌细胞组成及邻近的非癌细胞。这对于更好的肿瘤靶向诊断和治疗很重要。”使用单细胞测... 结合单细胞基因组学和计算机技术,一个研究团队(包括来自杰克逊实验室(JAx)单细胞生物学主任Paul Robson博士在内)鉴定出了11种结直肠癌肿瘤的癌细胞组成及邻近的非癌细胞。这对于更好的肿瘤靶向诊断和治疗很重要。”使用单细胞测序。”JAX科学家、这篇发表在Nature Genetics上的文章共同第一作者Elise Courtois说道。”我们可以根据肿瘤中的细胞组成将结直肠癌进一步分类。因为每种亚型的肿瘤病人生存率存在差别,我们的方法将为肿瘤医生提供更多的关于肿瘤预后和治疗的信息。” 展开更多
关键词 单细胞分析 结直肠癌 癌细胞 NAT 细胞组成 肿瘤病 计算机技术 细胞生物学
原文传递
上一页 1 下一页 到第
使用帮助 返回顶部