معلومة

المعنى البيولوجي / تفسير معاملات التجميع

المعنى البيولوجي / تفسير معاملات التجميع


We are searching data for your request:

Forums and discussions:
Manuals and reference books:
Data from registers:
Wait the end of the search in all databases.
Upon completion, a link will appear to access the found materials.

لقد كنت أبحث منذ بعض الوقت عن إجابة للسؤال التالي. سأكون ممتنا لأي مساعدة / نصيحة أو توجيهات.

أعمل بشكل متكرر مع عدد كبير من البروتينات وتقييم أهميتها في شبكة بيولوجية. تقليديا ، هناك طريقتان تستخدمان لتصور البروتينات في الشبكة وسحب الاستنتاجات فقط على قواعد بنية الشبكة ، قبل أن ينظر المرء إلى النتائج الأعلى في التفاصيل باستخدام قواعد البيانات. أحدهما درجة والآخر هو معامل التجميع.

الدرجة تشير إلى عقدة متصلة بالحواف. كلما زادت الدرجة ، زاد عدد العقد المتصلة بعقدة معينة. تقليديًا ، يفسر الناس العقد بدرجة عالية على أنها مهمة من الناحية البيولوجية ، وتسمى بالمحاور. نظرًا لأن المحاور شديدة الترابط ، فهذا يعني أن فشل المحور البيولوجي له عواقب وخيمة لأن وظائف العديد من البروتينات مرتبطة / تعتمد على المحاور.

لكن ما يحيرني هو المعنى البيولوجي لمعامل التجميع لعقدة في شبكة معينة. أدرك أن معامل التجميع يشير إلى ميل العقد المجاورة للاتصال ببعضها البعض ؛ ومع ذلك ، لم أكن متأكدًا مما يعنيه ذلك من الناحية البيولوجية وما إذا كان ذلك يعني أن العقدة ذات معامل التجميع العالي هي أكثر "أهمية" من العقدة ذات معامل التجميع المنخفض. يبدو هذا غير مرجح بالنسبة لي لأن البروتينات المحورية تعتبر بروتينات مهمة ؛ ومع ذلك ، عادةً ما يكون للمحاور معامل تجميع منخفض ولكن هذا لا يعني أنها أقل أهمية لأنها مرتبطة بشكل كبير (درجة عالية). لذلك ، لوضعها بلغة إنجليزية بسيطة ، لماذا يستخدم الناس معامل التجميع في الشبكات البيولوجية وما هي المعلومات البيولوجية التي توفرها لهم؟

لذلك سأكون ممتنًا لأي تفسير / نصيحة ومراجع يمكن أن تقدمها من شأنها أن تساعدني في فهم المعنى / تفسير البيولوجي لمعامل التجميع.


بادئ ذي بدء ، أجد هذا سؤالًا مثيرًا للاهتمام.

باختصار:

  • يستخدم معامل التجميع على نطاق واسع

  • من المقبول على نطاق واسع أن الجينات المحورية هي أكثر أهمية من الجينات ضعيفة الاتصال

  • لكن البحث لا يهتم دائمًا بالجينات / البروتينات / الجزيئات المحورية (على سبيل المثال ، تشتمل معظم المسارات الأيضية على الماء)

للإجابة على سؤالك ، لماذا قد يرغب الناس في استخدام هذا النوع من الطريقة: إذا كنت ستأخذ نموذجًا عشوائيًا (مسارًا) ، فسيتم توزيع معظم الخطوط بالتساوي بين العقد. هذا ليس هو الحال بالنسبة لمعظم الشبكات البيولوجية. لهذا السبب ، يمكن استخدام معامل التجميع العالمي لمعرفة ما إذا كانت الشبكة يمكن أن تكون بيولوجية. يمكن أيضًا استخدام معامل التجميع لمعرفة المزيد من العقد المحددة. على سبيل المثال ، إذا كان للبروتين علاقة ببروتينين آخرين (الارتباط ، التنظيم ، إلخ) ، فمن المرجح أيضًا أن يكون للبروتينين الآخرين علاقة مع بعضهما البعض (على غرار شبكة اجتماعية).

مراجع:

http://en.wikipedia.org/wiki/Clustering_coefficient

http://www.biomedcentral.com/1752-0509/6/34

http://www.pnas.org/content/99/12/7821.full.pdf+html


التجميع بناءً على معلومات بيولوجية متعددة: نهج للتنبؤ بمجمعات البروتين

تعتبر مجمعات البروتين حجر الزاوية في العديد من العمليات البيولوجية. تتيح بيانات تفاعل البروتين والبروتين (PPI) عددًا من الطرق الحسابية للتنبؤ بمجمعات البروتين. ومع ذلك ، فإن عدم كفاية بيانات PPI يقلل بشكل كبير من دقة الطرق الحسابية. في العمل الحالي ، طور المؤلفون طريقة جديدة تسمى التجميع بناءً على معلومات بيولوجية متعددة (CMBI) لاكتشاف مجمعات البروتين عبر تكامل الموارد البيولوجية المتعددة بما في ذلك ملفات تعريف التعبير الجيني ومعلومات البروتين الأساسية وبيانات PPI. أولاً ، يحدد CMBI التشابه الوظيفي لكل زوج من البروتينات المتفاعلة بناءً على معامل تجميع الحافة ومعامل ارتباط بيرسون. ثانيًا ، يختار CMBI البروتينات الأساسية كبذور لبناء مجمعات البروتين. يتم تنفيذ إجراء ترشيح التكرار للتخلص من المجمعات الزائدة عن الحاجة. بالإضافة إلى البروتينات الأساسية ، يستخدم CMBI أيضًا بروتينات أخرى كبذور لتوسيع مجمعات البروتين. للتحقق من أداء CMBI ، قارن المؤلفون المجمعات التي اكتشفتها CMBI مع المجمعات التي تم العثور عليها بواسطة تقنيات أخرى من خلال مطابقة المجمعات المتوقعة مع المجمعات المرجعية. يستخدم المؤلفون لاحقًا GO :: TermFinder لتحليل المجمعات التي تنبأت بها طرق مختلفة. أخيرًا ، تم التحقق من تأثير المعلمات T و R. تظهر نتائج تحليلات التخصيب والمطابقة الوظيفية GO أن أداء CMBI أفضل بكثير من أحدث الأساليب.


مقدمة

يعد فقدان الموائل وتجزئتها بسبب التغيرات في المناخ واستخدام الأراضي أحد المحركات الرئيسية لأزمة التنوع البيولوجي العالمية المستمرة [1-5]. يؤدي فقدان الموائل وتجزئتها إلى انخفاض في اتصال الموائل ، مما يعيق حركة الأفراد بين البقع [6 ، 7]. هذا التشتت ضروري لبقاء الأنواع ، لأنه يسهل التفاعل مثل تبادل الجينات بين مجموعات سكانية مختلفة ، وبالتالي يسمح بوجود عمليات استقلاب - "تجمعات سكانية" [8-10]. كنتيجة للتغير المستمر في المناخ واستخدام الأراضي ، من المهم للحفاظ على الأنواع أن نحاول بشكل خاص الحفاظ على اتصال الموائل وتحسينه من خلال إنشاء ممرات مشتتة تزيد من نفاذية المناظر الطبيعية [11-14].

توفر نظرية الرسم البياني أدوات قوية لتمثيل وتحليل اتصال الموائل في المناظر الطبيعية شديدة التجزئة [15-18]. هنا ، يتم تمثيل المجموعات السكانية بواسطة شبكات الموائل حيث تمثل العقد بقع الموائل وتشير الروابط إلى كيفية ارتباطها [16 ، 19 ، 20]. بمساعدة شبكات الموائل ، يمكن تمثيل فقدان الموائل بسهولة عن طريق إزالة العقد وتقليل الاتصال عن طريق إزالة الروابط من الشبكة [21-23]. وفقًا لذلك ، تطبق العديد من الدراسات أدوات نظرية الرسم البياني لتقييم تأثير تغير المناخ واستخدام الأراضي وإيجاد حلول لهذه التأثيرات في تخطيط المناظر الطبيعية [24-26].

تمت دراسة مرونة الشبكات ضد إزالة العقدة والارتباط ، والتي تسمى أيضًا متانة الشبكة ، في مجموعة متنوعة من الشبكات ، مثل شبكات النقل وشبكات الطاقة وشبكات الغذاء [27-31]. تم تحديد معامل التجميع لشبكة ما كبديل جيد للقوة في مجموعة متنوعة من الشبكات مثل شبكات الموائل للحيوانات العاشبة والدببة البنية [32–34]. تم اقتراح معامل التجميع لشبكة من قبل واتس وستروغاتز [35] ويتم تعريفه على أنه متوسط ​​معامل التجميع المحلي لعقدها. يقيس معامل تجميع العقدة مدى قرب المنطقة المجاورة لها من شبكة كاملة من حيث الكثافة النسبية للروابط في المنطقة المجاورة لها. نحن نستغل العلاقة بين معامل التجميع وقوة الشبكة ونحسن متانة الشبكة من خلال تعظيم معامل التجميع للشبكة.

السؤال الذي نطرحه في هذا العمل هو: أين يجب إنشاء روابط إضافية بشكل أفضل داخل شبكة الموائل لتعظيم معامل التجميع الخاص بها؟ نقترح خوارزمية لتحديد الرابط المفقود للشبكة التي تؤدي إلى أكبر زيادة في متانة الشبكة عند إضافتها إلى الشبكة ، باستخدام معامل التجميع كمؤشر. نقدم طريقتين مختلفتين من أساليب الاستدلال ، وهما خوارزمية طماع [36] وخوارزمية خوارزمية كسلان جريدي ، لتعظيم معامل التجميع إذا كان من الممكن إضافة روابط متعددة. لتسريع الخوارزميتين ، قمنا بتطوير طريقة لتحديث معامل التجميع لشبكة بعد إضافة ارتباط واحد بدلاً من حسابه دون أي معرفة مسبقة. يمكن تطبيق كلا الأسلوبين على أي شبكة ، بغض النظر عما إذا كانت تعتمد على مكون مكاني أم لا. نحن نختبر هذه الأساليب ونقارن النتائج بالحل الأمثل لشبكات عامة مختلفة بما في ذلك مجموعة متنوعة من الشبكات القياسية المستقلة عن الفضاء وكذلك شبكات الموائل المكانية الصريحة القائمة على المناظر الطبيعية.

في الخطوة الأخيرة ، قمنا بمحاكاة متانة شبكات الموائل ضد فقدان الموائل على النحو الذي اقترحه هير وآخرون. [51] قبل إضافة روابط متعددة وبعدها وتحقق من الزيادة في المتانة اعتمادًا على كل من عدد الروابط المضافة والإرشاد المستخدم. تجمع محاكاة القوة بين محاكاة فقدان الموائل عن طريق الإزالة العشوائية لبقع الموائل من الشبكة مع محاكاة ديناميكيات الاستقلاب لتقييم قوة الاستقلاب. وبالتالي ، فإن طرقنا المقترحة توفر أدوات لتسهيل استعادة المناظر الطبيعية من خلال تحديد الموقع الذي يؤدي إلى أكبر قدر من التحسين عند إضافة روابط إضافية في هذه الأماكن.


ملخص المؤلف

على غرار اللغات الطبيعية ، تتطور لغة الشبكة باستمرار. بينما تُستخدم بعض مصطلحات (مفاهيم) الشبكة على نطاق واسع في تحليل شبكة تعايش الجينات ، لا يزال البعض الآخر بحاجة إلى التطوير لتلبية الطلب المتزايد باستمرار على وصف نظام نسخ الجينات. هناك حاجة إلى تقديم شرح هندسي بديهي لمفاهيم الشبكة ودراسة علاقاتها. على سبيل المثال ، نظهر أن بعض مفاهيم الشبكة التي تبدو متباينة تتحول إلى مرادفات في سياق وحدات التعايش. نظهر كيف تؤثر لغة شبكة التعايش على فهمنا لعلم الأحياء. على سبيل المثال ، هناك أسباب هندسية تجعل جينات المحاور شديدة الارتباط في وحدات التعايش المهمة مهمة ، ولماذا لا يمكن أن تكون الجينات المحورية في وحدة واحدة محاور في وحدة منفصلة أخرى. نحن نقدم قاموسًا قصيرًا للترجمة بين لغة تحليل بيانات المصفوفات الدقيقة ولغة نظرية الشبكة لتسهيل الاتصال بين المجالين. نصف العديد من الأمثلة التي توضح كيف يمكن لحقلي تحليل البيانات إعلام بعضهما البعض.

الاقتباس: Horvath S ، Dong J (2008) التفسير الهندسي لتحليل شبكة التعابير الجينية. بلوس كومبوت بيول 4 (8): e1000117. https://doi.org/10.1371/journal.pcbi.1000117

محرر: ساتورو ميانو ، جامعة طوكيو ، اليابان

تم الاستلام: 12 أكتوبر 2007 وافقت: 9 يونيو 2008 نشرت: 15 أغسطس 2008

حقوق النشر: © 2008 هورفاث ، دونغ. هذا مقال مفتوح الوصول يتم توزيعه بموجب شروط ترخيص Creative Commons Attribution License ، والذي يسمح بالاستخدام غير المقيد والتوزيع والاستنساخ بأي وسيلة ، بشرط ذكر المؤلف الأصلي والمصدر.

التمويل: نعترف بمنح الدعم من 1U19AI063603-01 و P50CA092131 و 1U24NS043562-01 و 5P30CA016042-28 و HL28481.

تضارب المصالح: وقد أعلن الباحثون إلى أن لا المصالح المتنافسة موجودة.


المواد والأساليب

بروتوكول للربو التجريبي الفئران

تم شراء سلالة الفئران BALB / c و RAG KO البالغة من العمر ستة إلى ثمانية أسابيع (التي تولد استجابة مناعية فطرية فقط بسبب عدم وجود الخلايا الليمفاوية T و B الوظيفية) من مختبر جاكسون (بار هاربور ، مي ، الولايات المتحدة الأمريكية). تم الحفاظ على الفئران وفقًا للإرشادات الصادرة عن لجنة الحيوانات ولجنة رعاية واستخدام حيوانات المختبر التابعة لمعهد موارد حيوانات المختبر بمجلس البحوث القومي. تم توعية الفئران وتحديها باستخدام دجاج OVA المسبب للحساسية. باختصار ، تم توعية الفئران عن طريق الحقن داخل الصفاق باستخدام 10 ميكروغرام من OVA (Sigma ، St Louis ، MO ، الولايات المتحدة الأمريكية) و 1 مجم Al (OH) s (الشب) (Sigma ، St Louis ، MO ، الولايات المتحدة الأمريكية) في 0.2 مل من PBS ، متبوعة عن طريق الحقن المعزز في اليوم السابع مع الكواشف المتطابقة. تلقت الفئران الضابطة 1 ملغ من الشب في 0.2 مل من برنامج تلفزيوني بدون OVA. في الأيام 14-20 ، تلقت الفئران تحديات ضبابية مع 6٪ OVA أو PBS لمدة 20 دقيقة / يوم عبر البخاخات فوق الصوتية (موديل 5000 DeVilbiss ، Somerset ، PA). قُتلت جميع المجموعات في اليوم الحادي والعشرين. وتكررت كل تجربة أربع مرات على فئران مختلفة بشكل مستقل.

إعداد الحمض النووي الريبي

تم عزل Total RNA باستخدام كاشف TRIZOL (Gibco-BRL Life Technologies) وفقًا لبروتوكول الشركة المصنعة. تم تحديد نقاء الحمض النووي الريبي في البداية عن طريق التحليل الطيفي بنسبة 260/280 = 1.85 - 2.01 ثم عن طريق المسح باستخدام محلل Agilent 2100 Bioanalyzer باستخدام RNA 6000 Nano LabChip ®. تم استبعاد العينات التي لا تتوافق مع هذه المعايير الأساسية للجودة من تحليل المصفوفات الدقيقة.

طرق ميكروأري

تم إجراء دراسات المصفوفة الدقيقة للحمض النووي بالتعاون مع مؤسسة Partners Genetics & Genomics الأساسية التابعة لكلية الطب بجامعة هارفارد ومركز الشركاء للرعاية الصحية للوراثة وعلم الجينوم. تم تنفيذ جميع البروتوكولات وفقًا لدليل Affymetrix GeneChip ®. تم إجراء تخليق (كدنا) باستخدام 100 pM من T7 dT التمهيدي 5′-GGCCAGTGAATTGTAATACGACTCACTATAGGGAGGCGG (dT). تمت معالجة (كدنا) والمنتج مزدوج السلسلة باستخدام مجموعة وحدة تنظيف GeneChip. في المختبر تم إجراء النسخ (IVT) وإعداد الحمض النووي الريبي المسمى باستخدام مجموعة وسم نسخ الحمض النووي الريبي عالية الإنتاجية ENZO BioArray. تم قياس كمية عينة IVT على قارئ لوحة الأشعة فوق البنفسجية Bio-Tek. تم تهجين عشرين جرامًا من مادة IVT إلى مجموعة Affymetrix Mouse Genome 430 2.0 (Affymetrix ، سانتا كلارا ، كاليفورنيا). تم تحضين المصفوفات في فرن تهجين نموذج 320 عند درجة حرارة ثابتة تبلغ 45 درجة مئوية طوال الليل. تم غسل المصفوفة الدقيقة على محطة فلويديك موديل 450 وتم مسحها ضوئيًا على ماسح ضوئي Affymetrix Model 3000 مع أداة تحميل تلقائي.

تحليل بيانات ميكروأري

تم تطبيع بيانات المصفوفة الدقيقة الخام وتم حساب مستويات التعبير الجيني بواسطة خوارزمية GCRMA (Wu and Irizarry ، 2004) باستخدام لغة R (http://cran.r-project.org/) ومشروع Bioconductor (http: //www.bioconductor .org /). تم إيداع بيانات التعبير في قاعدة بيانات GEO (رقم الانضمام GSE6858). تم تحويل مستويات التعبير log 2 قبل أي تحليل. للقضاء على الجينات ذات المستويات المنخفضة من التعبير أو التعبير الثابت ، تم تطبيق عملية ترشيح على مجموعة البيانات الكاملة المكونة من 45000 مجموعة مسبار. لكل جين ، قمنا بحساب متوسط ​​مستويات التعبير لأربعة مكررات في مجموعات العلاج والتحكم في OVA ، وقمنا بتضمين واحد مع الحد الأقصى عبر الظروف. لقد أزلنا الجينات ذات التعبير المنخفض (الحد الأقصى للمتوسط ​​الشرطي للتعبير الجيني أقل من 20) ، والجينات ذات معامل الاختلاف عبر العينات أقل من 0.05. تم إخضاع المجموعة الفرعية المتبقية من الجينات لتحليل لاحق.

تمت مقارنة متوسط ​​مستوى التعبير المحول بالسجل لكل جين تحت ظروف مختلفة (التحكم وتحفيز OVA) بواسطة ر- الإحصاء والخام ص- تم حساب القيم. من أجل تصحيح اختبارات الفرضيات المتعددة ، هذه أولية ص- تم تعديل القيم للتحكم في FDR (Benjamini and Hochberg ، 1995). اخترنا مجموعة من الجينات المعبر عنها تفاضليًا مع معيار FDR المعدل ص- قيم أقل من 0.05.

تحليل شبكة التفاعل الجيني

قارنا ست قواعد بيانات مستخدمة على نطاق واسع للتفاعلات الجزيئية الفأرية المعروفة. قمنا بتحليل قواعد البيانات الخاصة بمعايير الفرز وإدراج التفاعلات وكذلك حجم قاعدة البيانات (الجدول التكميلي الثاني). تم تنزيل بيانات التفاعل الجزيئي من BIND (//bond.unleashedinformatics.com/) ، تم تحليلها بواسطة لغة R وتم تصورها بواسطة برنامج Cytoscape v2.3 (//www.cytoscape.org/). (يوجد ملف Cytoscape الخاص بشبكة التفاعل والتعليقات التوضيحية لرمز الجين بالإضافة إلى الجينات الأعلى أو الخاضعة للتنظيم في المعلومات التكميلية.) من أجل تعيين بيانات تعبير mRNA على شبكة التفاعل الجيني ، استخدمنا Entrez Gene ID كمعرف فريد للجينات . عندما تكون هناك مجموعات مجسات متعددة تتوافق مع نفس الجين ، استخدمنا المجموعة ذات الحد الأقصى ر-إحصائية كممثل.

إيجاد أقصر طريق فريد بين زوج من الجينات

يمثل المسار الأقصر الحد الأدنى من المتطلبات لتوصيل استجابة من جزيء إلى آخر. أيضًا ، قد تكون الجزيئات المشاركة في أقصر مسارات متعددة هي المنظمات المهمة في المنبع التي تتحكم في العديد من مؤثرات المصب. نظرًا لأن قاعدة بيانات BIND عبارة عن تجميع للمعلومات من مصادر مختلفة ، فإن حساب عدد الجينات الوسيطة على أنها طول أقصر مسار غالبًا ما يؤدي إلى إنشاء مسارات أقصر متعددة بنفس الطول. أيضًا ، سينمو العدد الإجمالي لأقصر المسارات أو عدد الجزيئات المشاركة في أقصر المسارات بشكل كبير مع الزيادة في عدد عقد البداية. لقد عالجنا هذه المشكلة من خلال ترجيح الحواف بناءً على معامل التجميع للعقد. حسبنا معامل التجميع لكل عقدة ، وخصصنا الوزن للحافة بناءً على مجموع معامل التجميع للجينين المتصلين بالحافة. لذلك ، أصبح طول المسارات هو مجموع أوزان الحواف على طول المسار بدلاً من مجرد حساب عدد الجينات.


الخلية هي أهم وحدة أساسية في الحياة ، حيث تحدث العديد من التفاعلات. تحتوي الخلية على المادة الوراثية DNA التي تشفر البروتينات. تقوم البروتينات بالعديد من الوظائف المهمة ، ومنها ما يلي: العمل كأنزيمات ، وتوفير الطاقة للأنشطة الأيضية ، وإعطاء شكل للخلية ، وتمكين الحركة للخلية. إلى جانب هذه الأنشطة ، يلعب دورًا مهمًا جدًا في إرسال الإشارات الخلوية. يمكن فهم كل هذه الوظائف والعمليات جيدًا بمساعدة تحليل الجينوم. خلال السنوات القليلة الماضية ، شهدنا توافر تسلسل الجينوم الكامل والبيانات التجريبية بعد الجينوميات. مع توافر البيانات الضخمة ، ظهرت عدة شبكات على المستوى الجزيئي مثل شبكة تنظيم الجينات ، وشبكة التمثيل الغذائي ، وما إلى ذلك. من شأن استهداف النمذجة في هذه الشبكات أن يساعدنا على فهم الظواهر الأساسية بالتفصيل.

كيف يمكن تمثيل هذه المسارات المعقدة أو الشبكات على الكمبيوتر؟

في الرياضيات أو منظور علوم الكمبيوتر ، يتم تمثيل الشبكة كرسم بياني. لها عقد تسمى رؤوسًا مرتبطة ببعضها البعض من خلال الحواف.

شبكة الاتصال هي ببساطة مجموعة من العقد المتصلة عبر الحواف. الحد الأدنى من المعلومات المطلوبة لتكوين شبكة هو قواعد الاتصال ، أي العقدة التي تتصل بأي عقدة. عند الحديث من الناحية البيولوجية ، قد تشير الروابط إلى وظيفة بروتين معين أو جين (عقد) أو أنماط تعبيرها. الشبكات هي مجموعات من التفاعلات التي تحتوي على مسارات مترابطة. جميع المسارات عبارة عن مجموعات فرعية من الشبكات مما يعني أن مسارات الشبكة مترابطة فيما بينها.

الشكل 1: مثال على شبكة بيولوجية معقدة

لماذا نصمم أو نمذجة شبكة بيولوجية؟

قد تمثل نمذجة شبكة بيولوجية سيناريو بيولوجيًا مثل المسار ويمكن أن تساعدنا في إبراز الخصائص المخفية لهذا النظام. يمكن أن يساعدنا هذا النموذج في التنبؤ بالسلوك الديناميكي للشبكة والذي يمكن مقارنته بالنتائج التجريبية. يمكن زيادة دقة النموذج أو يمكن تصحيحها بهذه التنبؤات.

يتم تجميع المسارات البيولوجية في شبكات ويتم تصنيفها بدورها في شبكات التمثيل الغذائي وشبكات إشارات الخلايا وشبكات تنظيم الجينات وشبكات تفاعل البروتين البروتين. لدراسة مثل هذه العملية المعقدة ، فإن تصور العملية برمتها مهم للغاية. وبالتالي ، فإن النمذجة والهندسة العكسية والتحليل لهذه الشبكات المعقدة الجزيئية قد اهتمت بعلماء الأحياء الحسابي ، لتطوير أدوات محددة مثل cytoscape ، ومصمم الخلية ، و E-cell ، و J-Designer ، إلخ.

Cytoscape هي منصة مفتوحة المصدر لتصور وتحليل الشبكات المعقدة ، وهي محمية بموجب GNU LGPL (الترخيص العام الصغرى). إنه متاح لجميع المنصات.كما أنها قابلة للتوسيع من خلال بنية المكونات الإضافية لتحليلات حسابية مختلفة. يتم تنظيم هذه الشبكات البيولوجية على شكل رسوم بيانية ، تربط كل عقدة بعقدة أخرى من خلال حواف (تسمى تفاعلات). يصبح هذا البرنامج أكثر قوة عند استخدامه بالاقتران مع قواعد البيانات الكبيرة للتفاعلات الجينية وتفاعلات البروتين والبروتين.

تحليل الشبكة

نظرًا لأن نموذج الشبكة مبني ، فإن التحليل الأساسي أولاً وقبل كل شيء هو طوبولوجيا الشبكة. يساعد التحليل الطوبولوجي على فهم بنية الشبكة التي تسهل فهم الآليات المخفية.

في الشبكة ، يتم تحليل كل عقدة باستخدام مكون إضافي cytoscape يسمى cytoscape. إنه برنامج لديه إمكانية تثبيت أدوات خارجية كمكوِّن إضافي لتحليل الشبكات.

"محلل الشبكة" هو البرنامج المساعد لـ cytoscape الذي يحلل درجة الشبكة ومعامل التجميع وعدد الحلقات الذاتية ومجموعة متنوعة من السمات أو المعلمات الأخرى. يقوم أيضًا بحساب معلمات الحافة. ​​يقوم "محلل الشبكة" بإجراء تحليل على شبكة تحتوي على حواف موجهة بالإضافة إلى حواف غير موجهة. يحتاج Cytoscape إلى إدخال المستخدم لتحليل الشبكة كشبكة موجهة أو كشبكة غير موجهة. يمكننا تحليل المعلمات المختلفة لشبكة باستخدام هذا المكون الإضافي.

هناك نوعان من معلمات الشبكة المختلفة: بسيطة ومعقدة.

شبكة بسيطة تشرح المعلمات إحصائيات الشبكة.

شبكة معقدة تشرح المعلمات وتوضح التوزيعات في تمثيلات رسومية.


يساعد تحليل الشبكة في معرفة عدد المكونات المتصلة ، والمعلمات المتعلقة بأقصر المسارات ، ومعلمات الجوار ، ومعامل التجميع.

عدد المكونات المتصلة يشير إلى الاتصال في الشبكة. يشير الرقم الأقل إلى اتصال أقوى. يتم توصيل عقدتين في شبكة غير موجهة ، إذا كان هناك مسار من الحواف بينهما. تشكل العقد التي تربط بين الزوجين مكونًا متصلًا.

أقصر المعامِلات ذات الصلة بالمسار: يمكن توصيل كل عقدة بمسارات متعددة. طول المسار هو عدد الحواف المكونة له. أقصر طول للمسار هو المسافة بين عقدتين لهما أدنى طول للحافة. متوسط ​​طول أقصر مسار يسمى أيضًا طول المسار المميز يعطي المسافة المتوقعة بين عقدتين متصلتين.

أقصى طول لأقصر مسار بين عقدتين يُعرَّفان على أنه قطر الشبكة. يتم تعريف نصف قطر الشبكة على أنه الحد الأدنى بين الانحرافات غير الصفرية (أقصى طول غير محدود لأقصر مسار بين عقدتين في الشبكة) للعقد في الشبكة.

معلمات الحي: جوار العقدة هو مجموعة جيرانها. يشير متوسط ​​عدد الجيران إلى متوسط ​​اتصال عقدة في الشبكة. تُظهر كثافة الشبكة مدى كثافة اكتظاظ الشبكة. ، يتراوح بين 0 و 1.

معامل التجميع: في الشبكة غير الموجهة والموجهة ، يكون معامل التجميع هو نسبة عدد الحواف بين جيران العقد / الحد الأقصى لعدد الحواف التي يمكن أن توجد بين العقد. القيمة موجودة دائمًا بين 0 و 1. لذا ، سيكون معامل التجميع الكلي للشبكة هو متوسط ​​معاملات التجميع لجميع العقد في الشبكة.

يعطي تحليل الشبكة أيضًا فكرة عن التوزيعات المختلفة مثل توزيعات الدرجات ، وتوزيع اتصال الأحياء ، وتوزيع أقصر مسار ، وما إلى ذلك.

توزيعات الدرجات: درجة العقدة هي عدد الحواف المرتبطة بها. إذا كانت هناك حلقة ذاتية ، فسيتم حسابها كحافتين للدرجة. يعطي التوزيع عددًا من العقد بالدرجة التي يمكن رؤيتها فقط في شبكة غير موجهة. في حالة الشبكات الموجهة ، يتم اعتبارها عدد الحواف الواردة (في الدرجة) وعدد الحواف الصادرة (الدرجة الخارجية). التوزيع مشابه للشبكات غير الموجهة.

توزيع ربط الجوار يعطي متوسط ​​اتصال الحي لجميع العقد مع عدد الجيران. اتصال عقدة واحدة هو عدد جيرانها. يُعرَّف اتصال الجوار لعقدة واحدة بأنه متوسط ​​اتصال جميع الجيران. إذا تم توجيه الشبكة وتحليلها ، فسيكون لديها اتصال داخلي وخارجي. هناك ثلاثة أنواع من اتصال الأحياء.

1. فقط في - متوسط ​​اتصال جميع في جيران n.
2. فقط خارج المتوسط ​​في الاتصال لجميع جيران n.
3. الداخل والخارج - متوسط ​​الاتصال لجميع جيران n.

معامل طوبولوجي هو مقياس لمدى مشاركة العقدة مع الجيران مع العقد الأخرى. يحسب المحلل المعاملات الطوبولوجية لجميع العقد التي بها أكثر من جار واحد في الشبكة.

يوفر محلل الشبكة ميزة مفيدة أخرى لـ "Fit line" على نقاط البيانات لبعض المعلمات المعقدة. يستخدم طريقة المربعات الصغرى للانحدار الخطي. يتم استخدام تركيب خط لتحديد التبعيات بين إحداثيات المحور x و y.


بوجانا ، ماجستير وآخرون. نات. جينيه. 39, 1338–1349 (2007).

مومري ويدمر ، جيه إل وآخرون. طبيعة سجية 458, 987–992 (2009).

فريزر ، إيه جي وأمبير ماركوت ، إي إم. نات. جينيه. 36, 559–564 (2004).

ستارك ، سي وآخرون. الدقة الأحماض النووية. 34، D535 – D539 (2006).

هو ، زد وآخرون. الدقة الأحماض النووية. 35، W625–632 (2007).

كلاين ، إم. وآخرون. نات. بروتوك. 2, 2366–2382 (2007).

Ashburner ، M. علم الجينات: أداة لتوحيد علم الأحياء. اتحاد علم الوجود الجيني. نات. جينيه. 25, 25–29 (2000).

سبيلمان ، بى تى. وآخرون. مول. بيول. زنزانة 9, 3273–3297 (1998).

غونسالوس ، ك. وآخرون. طبيعة سجية 436, 861–865 (2005).

هو ، زد وآخرون. نات. التكنولوجيا الحيوية. 25, 547–554 (2007).

فوكودا ، ك. وأمبير تاكاجي ، ت. المعلوماتية الحيوية 17, 829–837 (2001).

Le Novère، N. et al. نات. التكنولوجيا الحيوية. 27, 735–741 (2009).

ستروغاتز ، S.H. طبيعة سجية 410, 268–276 (2001).

كولينز ، إس. وآخرون. طبيعة سجية 446, 806–810 (2007).

ريجولي ، ت. وآخرون. J. بيول. 5, 11 (2006).

ديفيدسون ، إي. وآخرون. علم 295, 1669–1678 (2002).

Boone، C.، Bussey، H. & amp Andrews، B.J. نات. القس جينيه. 8, 437–449 (2007).

ستيوارت ، جي إم ، سيغال ، إي ، كولر ، دي أند كيم ، إس كيه. علم 302, 249–255 (2003).


مناقشة

ICA هي طريقة إحصائية قوية لفصل الإشارات المستقلة المختلطة. اقترحنا تطبيق ICA لتحليل بيانات المصفوفة الدقيقة إلى أنماط التعبير الجيني المستقلة للعمليات البيولوجية الأساسية وتجميع الجينات في مجموعات غير حصرية بشكل متبادل مع تماسك وظيفي مهم إحصائيًا. تفوقت طريقة التجميع لدينا على العديد من الأساليب الرائدة في مجموعة متنوعة من مجموعات البيانات ، مع ميزة إضافية أنها تتطلب تعيين معلمة واحدة فقط ، وهي الترتيب بالنسبة المئوية ج بعد ذلك يعتبر الجين مرتبطًا بمجموعة المكون. لاحظنا أن الأداء لم يكن حساسًا جدًا لهذه المعلمة ، مما يشير إلى أن ICA قوي بما يكفي لاستخدامه في التجميع مع تدخل بشري ضئيل. يدعم الأداء التجريبي لـ ICA في اختباراتنا الفرضية القائلة بأن الاستقلال الإحصائي هو معيار جيد لفصل الإشارات البيولوجية المختلطة في بيانات المصفوفة الدقيقة.

نماذج ICA الخطية مصفوفة تعبير ميكروأري X كمزيج خطي X = كما من مصادر مستقلة. يحاول تحليل ICA إيجاد مصفوفة دبليو مثل ذلك ص = WX = كنت يستعيد المصادر س (حتى التحجيم والتبديل للمكونات). الشروط الرياضية الرئيسية الثلاثة لوجود حل هي [42]: عدد الإشارات المختلطة المرصودة أكبر من أو يساوي عدد المصادر المستقلة ، أي ، ن = م في المعادلة 1 أعمدة مصفوفة الخلط أ مستقلة خطيًا وهناك ، على الأكثر ، إشارة مصدر واحدة بتوزيع غاوسي. في تحليل المصفوفة الدقيقة ، قد يعني الشرط الأول أنه عند إجراء عدد قليل جدًا من تجارب المصفوفة الدقيقة المنفصلة ، قد تنهار بعض العمليات البيولوجية المهمة للنظام المدروس إلى مكون مستقل واحد. إذا كان من المعروف أن عدد المصادر أصغر من عدد الإشارات المرصودة ، فعادة ما يتم تطبيق PCA قبل ICA ، لتقليل أبعاد مساحة الإدخال. نظرًا لأننا نتوقع أن يكون العدد الحقيقي للعمليات البيولوجية المتزامنة داخل الخلية كبيرًا جدًا ، فقد حاولنا العثور على الحد الأقصى لعدد المكونات المستقلة في اختباراتنا ، والذي يساوي رتبة X. لقد جربنا أيضًا ضبط عدد المكونات المستقلة عن طريق أخذ عينات عشوائية لعدد معين من التجارب وباستخدام الاختزال البعدي باستخدام PCA لمجموعات البيانات 1 و 2 و 3 (النتائج المعروضة في ملحق الويب في [50]). أدى كل من أخذ العينات العشوائية وخفض أبعاد PCA إلى أداء أسوأ من حيث ص القيم حيث انخفض عدد الأبعاد. الاستنتاج الرئيسي الذي يمكننا استخلاصه من هذا الانخفاض في الأداء هو استبعاد سيناريو حيث أدى عدد صغير من العمليات البيولوجية المستقلة المختلطة خطيًا إلى التعبير عن معظم الجينات في مجموعات البيانات هذه. الشرط الثاني ، أن تكون أعمدة مصفوفة الخلط أ تكون مستقلة خطيًا ، ويمكن إرضائها بسهولة عن طريق إزالة تجارب المصفوفة الدقيقة التي يمكن التعبير عنها كمجموعات خطية من التجارب الأخرى ، أي تلك التي تجعل المصفوفة X صيغة المفرد. الشرط الثالث ، وهو أن هناك ، على الأكثر ، إشارة مصدر واحدة بتوزيع غاوسي ، معقول لتحليل البيانات البيولوجية: المصدر الغاوسي الأكثر شيوعًا هو الضوضاء العشوائية ، في حين أن العمليات البيولوجية التي تتحكم في التعبير الجيني من المتوقع أن تكون غير غاوسية بدرجة كبيرة ، تؤثر بشكل حاد على مجموعة من الجينات ذات الصلة ، وتترك معظم الجينات الأخرى غير متأثرة نسبيًا. علاوة على ذلك ، قد تكون قدرة ICA على فصل مكون Gaussian واحد مثالية في فصل الضوضاء التجريبية عن بيانات التعبير. هذا موضوع للبحث في المستقبل.

ICA هي طريقة إسقاط لتحليل البيانات ، ولكن يمكن تفسيرها أيضًا على أنها طريقة قائمة على النموذج ، حيث يشرح النموذج الأساسي مستويات الجينات في كل حالة على أنها خليط من عدة عمليات بيولوجية مستقلة إحصائيًا تتحكم في التعبير الجيني. علاوة على ذلك ، يؤدي ICA بشكل طبيعي إلى التجميع ، مع تخصيص كل جين للعناقيد التي تتوافق مع المكونات المستقلة حيث يكون للجين مستوى تعبير عالٍ بشكل ملحوظ. تتمثل ميزة التجميع المستند إلى ICA في أنه يمكن وضع كل جين في صفر أو مجموعة واحدة أو عدة مجموعات.

ICA مشابه جدًا لـ PCA ، حيث تقوم كلتا الطريقتين بإسقاط مصفوفة بيانات في مكونات في مساحة مختلفة. ومع ذلك ، فإن أهداف الطريقتين مختلفة. يعثر PCA على المكونات غير المرتبطة بأقصى قدر من التباين ، وهو مثالي لضغط البيانات في مساحة ذات أبعاد أقل عن طريق إزالة المكونات الأقل أهمية. يجد ICA المكونات المستقلة إحصائيًا ، وهو مثالي لفصل الإشارات المختلطة. من المفهوم عمومًا أن ICA يسترد إشارات أكثر إثارة للاهتمام (أي غير غاوسية) مما يفعل PCA في بيانات السلاسل الزمنية المالية [25]. إذا كان الإدخال يشتمل على مزيج من الإشارات التي تم إنشاؤها بواسطة مصادر مستقلة ، فإن المكونات المستقلة تكون قريبة من إشارات المصدر الفردية بخلاف ذلك ، فإن ICA هي تقنية الإسقاط والمتابعة التي تجد إسقاط مجموعة البيانات عالية الأبعاد التي تظهر السلوك الأكثر إثارة للاهتمام [44] . وبالتالي ، يمكن الوثوق بـ ICA للعثور على ميزات مثيرة للاهتمام إحصائيًا في البيانات ، والتي قد تعكس العمليات البيولوجية الأساسية.

طبقنا طريقة جديدة لأداء ICA غير الخطي ، بناءً على خدعة kernel [37] التي يتم تطبيقها عادةً في تعلم Support Vector Machine (SVM) [61]. يمكن أن تتعامل طريقتنا مع نماذج الخليط غير الخطية الأكثر عمومية (نماذج الخليط غير الخطية المعممة) ، وتقلل من حمل الحساب بحيث تكون قابلة للتطبيق على مجموعات البيانات الأكبر. باستخدام ICA غير الخطي ، تمكنا من تحسين الأداء في مجموعات البيانات الثلاث الأصغر. ومع ذلك ، كانت الخوارزمية لا تزال غير مستقرة في مجموعتي البيانات الأكبر. باستخدام نواة Gaussian ، كان أداء الطريقة سيئًا للغاية في مجموعات البيانات هذه باستخدام نواة متعددة الحدود ، وكان أداؤها مشابهًا لـ ICA الخطي. بشكل عام ، أظهرنا أن ICA غير الخطي هي طريقة واعدة ، إذا تم تطبيقها بشكل صحيح ، يمكن أن تتفوق على ICA الخطي على بيانات ميكروأري.

في نماذج الخليط غير الخطية ، الخرائط غير الخطية F(.) يمثل العلاقات غير الخطية المعقدة بين العمليات البيولوجية س1 . س موبيانات التعبير الجيني x1. x ن. في خوارزمية ICA غير الخطية ، من المتوقع أن تقوم الخطوة غير الخطية القائمة على طريقة kernel بتعيين البيانات x1. x نمن مساحة الإدخال إلى فضاء ميزة الأبعاد الأعلى حيث تصبح هذه العمليات غير الخطية خطية بحيث تكون العلاقة بين العمليات البيولوجية س1 . س موالبيانات المعينة Ψ(x1). Ψ(x ن) تصبح خطية. تتميز الخرائط اللاخطية القائمة على النواة بالعديد من المزايا مقارنة بطرق رسم الخرائط غير الخطية الأخرى لأنها متعددة الاستخدامات بما يكفي لتغطية نطاق واسع من العمليات غير الخطية ، وفي نفس الوقت تقلل الحمل الحسابي بشكل كبير [34]. يتمثل أحد التحديات بشكل عام في اختيار أفضل نواة لتطبيق معين [62 ، 63]. من الممارسات الشائعة تجربة عدة نواة مختلفة ، واتخاذ قرار بشأن أفضلها تجريبيًا [3 ، 34]. إن العثور على أفضل نموذج حبات للتفاعلات الجينية غير الخطية هو اتجاه للبحث في المستقبل.

يتميز نموذج المزيج الخطي الذي اقترحناه بميزة البساطة - فمن المتوقع أن يؤدي أداءً جيدًا في العثور على ميزات من الدرجة الأولى في البيانات ، مثل عندما ينظم عامل النسخ الفردي مجموعة فرعية معينة من الجينات. قد يثبت ICA غير الخطي قدرته على التقاط تفاعلات متعددة الجينات ، كما هو الحال عندما يكون تعاون العديد من الجينات ، أو الجمع بين وجود بعض الجينات وغياب أخرى ، ضروريًا لقيادة التعبير عن مجموعة أخرى من الجينات. في البحث المستقبلي ، سنحاول التقاط مثل هذه التفاعلات مع النمذجة غير الخطية ، واستنتاج هذه النماذج من المكونات التي نحصل عليها باستخدام ICA غير الخطي. حاليًا لا يأخذ نموذج ICA الخاص بنا في الاعتبار الوقت في التجارب مثل بيانات دورة خلية الخميرة. يتمثل اتجاه البحث المستقبلي في دمج نموذج زمني في نهجنا ، كلما كانت قياسات المصفوفات الدقيقة تمثل نقاطًا زمنية متتالية.

لقد تم اقتراح استخدام ICA في مشاكل متابعة الإسقاط (PP) [64] حيث يكون الهدف هو العثور على إسقاطات تحتوي على المعلومات الهيكلية الأكثر إثارة للاهتمام من أجل التصور أو التجميع الخطي. ICA قابل للتطبيق في هذا السياق لأن الاتجاهات التي تكون فيها إسقاطات البيانات غير غاوسية قدر الإمكان تعتبر مثيرة للاهتمام [60]. على عكس مشكلة BSS ، في سياق السعي وراء الإسقاط ، لا يتم بالضرورة نمذجة مدخلات سياق السعي إلى مزيج خطي من الإشارات المستقلة. في مجموعة البيانات 5 ، يمكننا أن نرى الفرق بين ICA و PCA في العثور على هياكل مثيرة للاهتمام. باستخدام إصدار سابق من مجموعة البيانات 5 التي تحتوي على 40 من أصل 59 عينة ، Misra وآخرون. [19] أنشأ مخطط تبعثر يوضح المكونين الرئيسيين الأكثر شيوعًا. في تلك المؤامرة ، كانت هناك ثلاث مجموعات من الجينات منظمة خطيًا ، تبين أن كل منها مرتبط بخاصية خاصة بالأنسجة. لم يتماشى اثنان منهم مع أي مكونات رئيسية. توضح الحبكة المقابلة المشتقة من ICA في الشكل 3 أن اتجاهات المكونات المستقلة الثلاثة الأكثر هيمنة تتماشى تمامًا مع الهياكل الخطية للجينات بحيث يمكننا القول أن كل مكون يتوافق مع عينة من الأنسجة. من المعروف أنه من خلال تطبيق ICA ، يمكن تحقيق الفصل على طول اتجاه يتوافق مع إسقاط واحد ، وهذا ليس هو الحال مع PCA [60]. يمكن فهم ICA غير الخطي بالمثل على أنه طريقة PP تجد اتجاهات غير خطية مثيرة للاهتمام بمعنى تكوين توزيعات غير غاوسية بدرجة عالية.

في الممارسة العملية ، تحتوي بيانات تعبير ميكروأري عادةً على قيم مفقودة وقد يكون لها توزيع غير متماثل. بالإضافة إلى ذلك ، قد تكون هناك إيجابيات خاطئة بسبب أخطاء تجريبية (على سبيل المثال ، إشارة ضعيفة ، تهجين سيئ وقطعة أثرية) وخطأ جوهري ناتج عن التقلبات الديناميكية في الإلكترونيات الضوئية ومعالجة الصور ومتوسط ​​البكسل وخطأ التقريب وما إلى ذلك. في مجموعات البيانات التي استخدمناها في التحليل الحالي ، تشتمل القيم المفقودة على 1.427٪ و 3.187٪ و 8.55٪ لمجموعات البيانات 1 و 3 و 4 على التوالي. خضعت مجموعات البيانات لتطبيع تحويل السجل بحيث يكون للتغييرات المكافئة في أي اتجاه نفس القيمة المطلقة. علاوة على ذلك ، ليس لديهم توزيع متماثل (كما هو موضح في ملحق الويب [50]). القيم المفقودة أو البيانات غير المتوازنة أو الأخطاء الجوهرية هي تحديات شائعة للعديد من التقنيات الإحصائية بما في ذلك ICA. تم اقتراح العديد من الاستراتيجيات لمعالجة هذه المشاكل. في سياق المصفوفات الدقيقة و ICA ، نشير إلى الحلول التالية.

بالنسبة للبيانات المفقودة ، تتمثل الطريقة التقليدية في ملء القيم المفقودة عن طريق التضمين. ومع ذلك ، يمكن أن يؤدي هذا النهج إلى بعض التحيز في بيانات الإدخال. الخوارزمية التي طبقناها ، KNNimpute ، هي نسخة محسنة من هذا المبدأ [49]. نهج أكثر مبدئيًا هو تقدير كثافة البيانات المفقودة واستخدام التقدير لملء القيم المفقودة. تعد خوارزمية تعظيم التوقعات (EM) مثالًا على هذا النهج [65]. تشان وآخرون. [65] اقترح طريقة بايز متغيرة لأداء ICA على بيانات عالية الأبعاد تحتوي على قيم مفقودة. تم تنفيذ Bayesian ICA الذي اقترحوه بنجاح باستخدام بيانات الإدخال ذات القيم المفقودة. تم تطوير خوارزميات ICA الجديدة ذات القدرة الإضافية لخوارزمية ICA الأساسية ومن المهم تطوير أو تعديل الخوارزميات الحالية لاستخدام ICA للتعامل مع مجموعة واسعة من مجموعات بيانات التعبير الجيني.

بالنسبة للبيانات الصاخبة وغير المتماثلة ، هناك ثلاث طرق محتملة: تطبيق تقنيات تطبيع البيانات وتقدير الخطأ لتطبيق خطوة المعالجة المسبقة لـ ICA واستخدام خوارزميات ICA المتقدمة. في النهج الأول ، كانت هناك طرق لتطبيع بيانات المصفوفة الدقيقة المرقطة / قليلة النوكليوتيد عن طريق تقدير الأخطاء الجوهرية في البيانات [66-68]. قد يساعد تطبيق هذه الأساليب على مجموعة البيانات قبل ICA في تقليل الأخطاء. في النهج الثاني ، أحد التطبيقات الناجحة لـ ICA هو تحليل البيانات البيولوجية العصبية مثل MEG و EEG و fMRI. ومع ذلك ، هناك قيود على استخدام ICA لهذه البيانات لأن البيانات البيولوجية العصبية تحتوي على الكثير من الضوضاء الحسية وعدد المكونات المستقلة غير معروف. لذلك ، تم اقتراح العديد من الاستراتيجيات للتغلب على هذه المشكلة في هذا المجال. على سبيل المثال ، إيكيدا وآخرون. [69] اقترح خطوة معالجة مسبقة جديدة يمكنها تقدير مقدار الضوضاء الحسية وعدد المصادر باستخدام تحليل العوامل كخطوة معالجة مسبقة لإشارات ICA إلى MEG. في النهج الثالث ، فإن معظم بيانات الرنين المغناطيسي الوظيفي لها توزيع منحرف. تم تطوير الخوارزميات التي تدعم توزيع المصادر غير المتماثل [24] وتلك التي لا تتطلب افتراضًا بشأن توزيع المصدر. حجر وآخرون. [24] تطبيق توزيع احتمالي منحرف لبيانات الرنين المغناطيسي الوظيفي كطريقة لاعتماد افتراض مادي واقعي وأظهر أداءً محسنًا لـ ICA. يعد تطبيق هذه الأساليب لتحليل المصفوفات الدقيقة اتجاهًا مستقبليًا مثيرًا للاهتمام. أخيرًا ، يتمثل اتجاه البحث المستقبلي في استخدام ICA كخطوة معالجة مسبقة ، متبوعة بتحليلات لاحقة ، مثل طرق التجميع أو التصنيف ، على الفضاء المحول. قد تنتج طرق التجميع المتطورة مجموعات جينات أكثر تماسكًا من مخطط التجميع البسيط لدينا الذي يجمع الجينات ذات المعاملات العالية في كل مكون على حدة. أظهرنا هنا أن ICA يحول البيانات إلى مساحة ذات محاور لها تماسك وظيفي كبير ، مما يجعل التحليلات الإضافية أكثر فاعلية بشكل كبير مما لو تم تطبيقها على بيانات المصفوفة الدقيقة الأصلية.


مراجع

هايفليك لام ، مورهيد بس. زراعة المسلسل من سلالات الخلايا مضاعفا الإنسان. الدقة خلية الخبرة. 196125: 585-621.

Kuilman T ، Michaloglou C ، Mooi WJ ، Peeper DS. جوهر الشيخوخة. تطوير الجينات. 201024 (22): 2463–79.

Herbig U ، Jobling WA ، Chen BP ، Chen DJ ، Sedivy JM. يؤدي تقصير التيلومير إلى شيخوخة الخلايا البشرية من خلال مسار يتضمن أجهزة الصراف الآلي ، و p53 ، و p21 (CIP1) ، ولكن ليس p16 (INK4a). خلية مول. 200414 (4): 501-13.

d’Adda di Fagagna F، Reaper PM، Clay-Farrace L، Fiegler H، Carr P، Von Zglinicki T، et al. استجابة نقطة تفتيش لتلف الحمض النووي في شيخوخة التيلومير. طبيعة سجية. 2003426 (6963): 194-8.

de Magalhaes JP، Passos JF. الإجهاد وشيخوخة الخلايا والشيخوخة العضوية. التنمية الميكانيكية للشيخوخة. 2018170: 2–9.

Storer M و Mas A و Robert-Moreno A و Pecoraro M و Ortells MC و Di Giacomo V et al. الشيخوخة هي آلية تنموية تساهم في نمو الجنين وتنميطه. زنزانة. 2013155 (5): 1119–30.

مونوز إسبين د ، كاناميرو إم ، مارافير إيه ، جوميز لوبيز جي ، كونتريراس جي ، موريللو كويستا إس ، وآخرون. شيخوخة الخلية المبرمجة أثناء التطور الجنيني للثدييات. زنزانة. 2013155 (5): 1104-18.

ديماريا م ، أوتاني إن ، يوسف سا ، رودييه إف ، توسان دبليو ، ميتشل جيه آر ، وآخرون. دور أساسي للخلايا الشائخة في التئام الجروح الأمثل من خلال إفراز PDGF-AA. خلية التطوير. 201431 (6): 722–33.

Kang TW، Yevsa T، Woller N، Hoenicke L، Wuestefeld T، Dauch D، et al. مراقبة الشيخوخة لخلايا الكبد ما قبل الخبيثة يحد من تطور سرطان الكبد. طبيعة سجية. 2011479 (7374): 547-51.

Burton DGA ، Stolzing A. الشيخوخة الخلوية: المراقبة المناعية والعلاج المناعي في المستقبل. مراجعة الشيخوخة 201843: 17-25.

الشيخوخة والشيخوخة الخلوية والسرطان. Annu Rev Physiol. 201375: 685-705.

فان دورسن جم. دور الخلايا الشائخة في الشيخوخة. طبيعة سجية. 2014509 (7501): 439–46.

أكوستا جيه سي ، بانيتو أ ، ويستفيلد تي ، جورجيليس أ ، جانيش ف ، مورتون جيه بي ، وآخرون. برنامج إفرازي معقد يديره الجسيم الملتهب يتحكم في شيخوخة الباراكرين. نات سيل بيول. 201315 (8): 978-90.

Baker DJ ، و Childs BG ، و Durik M ، و Wijers ME ، و Sieben CJ ، و Zhong J ، وآخرون. الخلايا الموجبة p16 (Ink4a) التي تحدث بشكل طبيعي تقصر من العمر الافتراضي. طبيعة سجية. 2016530 (7589): 184-9.

Baker DJ ، و Wijshake T ، و Tchkonia T ، و LeBrasseur NK ، و Childs BG ، و van de Sluis B ، وآخرون. إزالة الخلايا المتشيخة إيجابية p16Ink4a يؤخر الاضطرابات المرتبطة بالشيخوخة. طبيعة سجية. 2011479 (7372): 232-6.

Yosef R و Pilpel N و Tokarsky-Amiel R و Biran A و Ovadya Y و Cohen S et al. يوجه القضاء على الخلايا الشائخة عن طريق تثبيط BCL-W و BCL-XL. نات كومون. 20167: 11190.

Baar MP و Brandt RMC و Putavet DA و Klein JDD و Derks KWJ و Bourgeois BRM et al. يعيد موت الخلايا المبرمج المستهدف للخلايا الشائخة توازن الأنسجة استجابةً للسمية الكيميائية والشيخوخة. زنزانة. 2017169 (1): 132–47. ه 16.

Vaziri H، Benchimol S. يؤدي إعادة تكوين نشاط التيلوميراز في الخلايا البشرية الطبيعية إلى استطالة التيلوميرات وإطالة العمر التكراري. كور بيول. 19988 (5): 279–82.

Hernandez-Segura A، de Jong TV، Melov S، Guryev V، Campisi J، Demaria M. كشف التباين النسخي في الخلايا الشائخة. كور بيول. 201727 (17): 2652–60. ه 4.

Lafferty-Whyte K و Bilsland A و Cairney CJ و Hanley L و Jamieson NB و Zaffaroni N وآخرون. تسجيل إشارات الشيخوخة في مجموعات بيانات متعددة للتعبير عن جينات الورم البشري ، وتحديد العلاقة بين درجة الشيخوخة وسمية الأدوية في لوحة NCI60 والتوقيع المؤيد للالتهابات الذي يرتبط بميزة البقاء على قيد الحياة في ورم الظهارة المتوسطة الصفاقي. علم الجينوم BMC. 201011: 532.

تشاندلر هـ ، بيترز ج. التشديد على دورة الخلية في الشيخوخة والشيخوخة. خلية أوبين بالعملة بيول. 201325 (6): 765-71.

ديمري جي بي ، لي إكس ، باسيلي جي ، أكوستا إم ، سكوت جي ، روسكيللي سي ، إت آل. علامة حيوية تحدد الخلايا البشرية الشائخة في الثقافة وفي شيخوخة الجلد في الجسم الحي. Proc Natl Acad Sci U S A. 199592 (20): 9363–7.

شاربلس ني ، شير سي جيه. تزوير توقيع للشيخوخة في الجسم الحي. نات ريف السرطان. 201515 (7): 397-408.

Bursuker I ، Rhodes JM ، Goldman R. Beta-galactosidase - مؤشر لمرحلة نضج الفئران وحيدة النواة البشرية. J خلية فيزيول. 1982112 (3): 385-90.

Kopp HG ، Hooper AT ، Shmelkov SV ، Rafii S. Beta-galactosidase تلطيخ على نخاع العظام. مأزق ناقض العظم. هيستوباثول. 200722 (9): 971-6.

الشباب AR ، ناريتا م. ربط الالتهام الذاتي بالشيخوخة في الفيزيولوجيا المرضية. خلية أوبين بالعملة بيول. 201022 (2): 234-40.

Witkiewicz AK ، Knudsen KE ، Dicker AP ، Knudsen ES. معنى تعبير p16 ​​(ink4a) في الأورام: الأهمية الوظيفية والجمعيات السريرية والتطورات المستقبلية. دورة الخلية. 201110 (15): 2497-503.

Tacutu R و Thornton D و Johnson E و Budovsky A و Barardo D و Craig T et al. الموارد الجينية للشيخوخة البشرية: قواعد بيانات جديدة ومحدثة. الدقة الأحماض النووية. 201846 (D1): D1083-D90.

Barabasi AL، Gulbahce N، Loscalzo J. Network medicine: نهج قائم على الشبكة للأمراض البشرية. نات ريف جينيت. 201112 (1): 56-68.

Budovsky A، Abramovich A، Cohen R، Chalifa-Caspi V، Fraifeld V. Longevity network: Construction and effects. التنمية الميكانيكية للشيخوخة. 2007128 (1): 117-24.

فيدال م ، كوسيك مي ، باراباسي. الشبكات البينية والأمراض البشرية. زنزانة. 2011144 (6): 986-98.

Chatsirisupachai K ، Palmer D ، Ferreira S ، de Magalhaes JP. يكشف تحليل نسبي خاص بالأنسجة البشرية عن وجود علاقة معقدة بين الشيخوخة والسرطان والشيخوخة الخلوية. شيخوخة الخلية. 201918 (6): e13041.

Barardo D و Thornton D و Thoppil H و Walsh M و Sharifi S و Ferreira S et al. قاعدة بيانات DrugAge للأدوية المرتبطة بالشيخوخة. شيخوخة الخلية. 201716 (3): 594-7.

فرنانديز إم ، وان سي ، تاكوتو آر ، باراردو دي ، راجبوت إيه ، وانج جي ، وآخرون. يكشف التحليل المنهجي للجيرونتوم عن وجود روابط بين الشيخوخة والأمراض المرتبطة بالشيخوخة. همهمة مول جينيه. 201625 (21): 4804-18.

Huang d W، Sherman BT، Lempicki RA. تحليل منهجي وتكاملي لقوائم الجينات الكبيرة باستخدام موارد DAVID للمعلوماتية الحيوية. نات بروتوك. 20094 (1): 44-57.

Huang d W، Sherman BT، Lempicki RA. أدوات إثراء المعلوماتية الحيوية: مسارات نحو التحليل الوظيفي الشامل لقوائم الجينات الكبيرة. الدقة الأحماض النووية. 200937 (1): 1-13.

Supek F ، Bosnjak M ، Skunca N ، Smuc T. REVIGO يلخص ويصور قوائم طويلة من مصطلحات الأنطولوجيا الجينية. بلوس واحد. 20116 (7): e21800.

Liao Y و Wang J و Jaehnig EJ و Shi Z و Zhang B. WebGestalt 2019: مجموعة أدوات تحليل مجموعة الجينات مع واجهات مستخدم وواجهات برمجة تطبيقات مُجددة. الدقة الأحماض النووية. 201947 (الأسبوع 1): الأسبوع 1999 - 205.

Smedley D و Haider S و Durinck S و Pandini L و Provero P و Allen J وآخرون. بوابة مجتمع BioMart: بديل مبتكر لمستودعات البيانات المركزية الكبيرة. الدقة الأحماض النووية. 201543 (W1): W589–98.

Yanai H، Budovsky A، Barzilay T، Tacutu R، Fraifeld VE. تحليل مقارن واسع النطاق لجينات طول العمر والتدخلات. شيخوخة الخلية. 201716 (6): 1267–75.

Altenhoff AM ، Skunca N ، Glover N ، Train CM ، Sueki A ، Pilizota I ، et al. قاعدة بيانات OMA لتقويم العظام في عام 2015: تنبؤات الوظائف ، ودعم أفضل للمصنع ، وعرض تركيبي ، وتحسينات أخرى. الدقة الأحماض النووية. 201543 (إصدار قاعدة البيانات): D240–9.

بالمر د ، فابريس ف ، أويف د ، فريتاس أ ، دي ماغالهايس جب. يكشف التحليل التلوي للنسخة المتقادمة عن أوجه التشابه بين أنسجة الثدييات الرئيسية. bioRxiv. 2019.

كونسورتيوم جي تي. مشروع Genotype-Tissue Expression (GTEx). نات جينيه. 201345 (6): 580-5.

Dhammi IK، Kumar S. مصطلحات عناوين الموضوعات الطبية (MeSH). الهندي J Orthop. 201448 (5): 443-4.

بيكر كغ ، بارنز كيه سي ، برايت تي جيه ، وانغ سا. قاعدة بيانات الارتباط الجيني. نات جينيه. 200436 (5): 431-2.

بودوفسكي A ، Tacutu R ، Yanai H ، Abramovich A ، Wolfson M ، Fraifeld V. التوقيع الجيني المشترك للسرطان وطول العمر. التنمية الميكانيكية للشيخوخة. 2009130 (1-2): 33-9.

Niccoli T، Partridge L. الشيخوخة كعامل خطر للإصابة بالمرض. كور بيول. 201222 (17): R741–52.

Kennedy BK ، Berger SL ، Brunet A ، Campisi J ، Cuervo AM ، Epel ES ، et al. علم الشيخوخة: ربط الشيخوخة بالأمراض المزمنة. زنزانة. 2014159 (4): 709-13.

de Magalhaes JP. كيف تؤثر عمليات الشيخوخة على السرطان. نات ريف السرطان. 201313 (5): 357-65.

Zhao M ، Sun J ، Zhao Z. TSGene: مورد ويب للجينات الكابتة للورم. الدقة الأحماض النووية. 201341 (إصدار قاعدة البيانات): D970–6.

Liu Y ، Sun J ، Zhao M. ONGene: قاعدة بيانات قائمة على الأدب للجينات الورمية البشرية. J Genet Genomics. 201744 (2): 119-21.

أوليفيروس جي سي. فيني. أداة تفاعلية لمقارنة القوائم بمخططات فين. 2015 [متاح من: http://bioinfogp.cnb.csic.es/tools/venny/index.html].

Tacutu R ، Budovsky A ، Yanai H ، Fraifeld VE. الروابط الجزيئية بين الشيخوخة الخلوية وطول العمر والأمراض المرتبطة بالعمر - منظور بيولوجيا الأنظمة. الشيخوخة (ألباني نيويورك). 20113 (12): 1178–91.

Wolfson M ، Budovsky A ، Tacutu R ، Fraifeld V. محاور الإشارات عند مفترق طرق طول العمر وشبكات الأمراض المرتبطة بالعمر. Int ياء Biochem خلية بيول. 200941 (3): 516-20.

Gillis J ، Ballouz S ، Pavlidis P. تحيز المقايضات في إنشاء وتحليل شبكات تفاعل البروتين البروتين. ي بروتين. 2014100: 44-54.

فوغل سي ، ماركوت إم. نظرة ثاقبة على تنظيم وفرة البروتين من التحليلات البروتينية والنسخية. نات ريف جينيت. 201213 (4): 227-32.

Okamura Y و Aoki Y و Obayashi T و Tadaka S و Ito S و Narise T et al. COXPRESdb في عام 2015: قاعدة بيانات تعايش لأنواع الحيوانات بواسطة DNA-microarray وبيانات التعبير المستندة إلى RNAseq مع أنظمة تقييم جودة متعددة. الدقة الأحماض النووية. 201543 (إصدار قاعدة البيانات): D82–6.

Rao MS ، Van Vleet TR ، Ciurlionis R ، Buck WR ، Mittelstadt SW ، Blomme EAG ، et al. مقارنة بين منصات التعبير الجيني RNA-Seq و microarray للتقييم السمي للكبد من دراسات سمية الفئران قصيرة المدى. الجبهة جينيه. 20189: 636.

فان دام S ، كريج تي ، دي ماجالهيس جب. GeneFriends: قاعدة بيانات الجينات البشرية القائمة على تسلسل الحمض النووي الريبي ونسخة التعبير المشترك. الدقة الأحماض النووية. 201543 (إصدار قاعدة البيانات): D1124–32.

هيرنانديز سيغورا أ ، نعمة ي ، ديماريا م. السمات المميزة للشيخوخة الخلوية. اتجاهات خلية بيول. 201828 (6): 436-53.

Safari-Alighiarloo N و Rezaei-Tavirani M و Taghizadeh M و Tabatabaei SM و Namaki S. التحليل القائم على الشبكة للجينات المعبر عنها تفاضليًا في السائل النخاعي (CSF) والدم يكشف عن جينات مرشحة جديدة للتصلب المتعدد. بيرج. 20164: e2775.

Sanz-Pamplona R و Berenguer A و Sole X و Cordero D و Crous-Bou M و Serra-Musach J وآخرون. أدوات لتحليل شبكة تفاعل البروتين البروتين في أبحاث السرطان. كلين مترجم اونكول. 201214 (1): 3-14.

Reguly T و Breitkreutz A و Boucher L و Breitkreutz BJ و Hon GC و Myers CL وآخرون. معالجة وتحليل شامل لشبكات التفاعل العالمية في Saccharomyces cerevisiae. J بيول. 20065 (4): 11.

de Magalhaes JP، Curado J، Church GM. يحدد التحليل التلوي لمحات التعبير الجيني المرتبطة بالعمر التواقيع الشائعة للشيخوخة. المعلوماتية الحيوية. 200925 (7): 875-81.

Sun Z و Pan X و Zou Z و Ding Q و Wu G و Peng G. تؤدي زيادة تعبير SHP-1 إلى مقاومة إشعاعية وتثبيط الشيخوخة الخلوية وإعادة توزيع دورة الخلية في خلايا سرطان البلعوم الأنفي. رديات أونكول. 201510: 152.

Yu Y و Schleich K و Yue B و Ji S و Lohneis P و Kemper K وآخرون. استهداف النشاط التعاوني المهيمن على الشيخوخة لنزمات الميثيلاز H3K9 غير المرتبطة هيكليًا في الورم الميلانيني. الخلايا السرطانية. 201833 (2): 322–36. ه 8.

Langfelder P ، Mischel PS ، Horvath S. متى يكون اختيار الجينات المحورية أفضل من التحليل التلوي القياسي؟ بلوس واحد. 20138 (4): e61505.

Li M و Li D و Tang Y و Wu F و Wang J. CytoCluster: مكون إضافي لـ Cytoscape لتحليل المجموعات وتصور الشبكات البيولوجية. علوم Int J Mol. 201718 (9). https://www.mdpi.com/about/announcements/784.

Hoenicke L، Zender L. المراقبة المناعية للخلايا الشائخة - الأهمية البيولوجية في أمراض السرطان وغير السرطانية. التسرطن. 201233 (6): 1123–6.

Yokoyama Y و Zhu H و Zhang R و Noma K. دور جديد لمركب condensin II في الشيخوخة الخلوية. دورة الخلية. 201514 (13): 2160–70.

d’Adda di Fagagna F. العيش في فترة راحة: الشيخوخة الخلوية كاستجابة لتلف الحمض النووي. نات ريف السرطان. 20088 (7): 512–22.

Zhang C ، Kuang M ، Li M ، Feng L ، Zhang K ، Cheng S. SMC4 ، التي تشارك أساسًا في نمو الرئة ، ترتبط بتطور سرطان الرئة. مندوب علوم .2016: 34508.

Dai B و Zhang P و Zhang Y و Pan C و Meng G و Xiao X وآخرون. يشارك RNaseH2A في تكوين الخلايا الدبقية البشرية من خلال تنظيم تكاثر الخلايا والاستماتة. ممثل أونكول .201636 (1): 173-80.

Muramatsu T و Kozaki KI و Imoto S و Yamaguchi R و Tsuda H و Kawano T et al. يعزز شلال hypusine تطور السرطان والنقائل من خلال تنظيم RhoA في سرطان الخلايا الحرشفية. الأورام. 201635 (40): 5304–16.

Wang Z ، Gerstein M ، Snyder M. RNA-Seq: أداة ثورية للنسخ. نات ريف جينيت. 200910 (1): 57-63.

Stein GH، Drullinger LF، Soulard A، Dulic V. الأدوار التفاضلية لمثبطات الكيناز المعتمدة على السيكلين p21 و p16 في آليات الشيخوخة والتمايز في الخلايا الليفية البشرية. مول الخلية بيول. 199919 (3): 2109-17.

Gil J ، Bernard D ، Martinez D ، Beach D. Polycomb CBX7 له دور موحد في العمر الافتراضي للخلية. نات سيل بيول. 20046 (1): 67-72.

Coppe JP، Kauser K، Campisi J، Beausejour CM. إفراز عامل نمو بطانة الأوعية الدموية بواسطة الخلايا الليفية البشرية الأولية عند الشيخوخة. J بيول كيم. 2006281 (40): 29568–74.

دوهرتي أ ، دي ماغالهايس جي بي. هل أثر ازدواجية الجينات على تطور طول العمر الإيثيري؟ شيخوخة الخلية. 201615 (5): 978-80.

de Magalhaes JP، Sedivy JM، Finch CE، Austad SN، Church GM. اقتراح لتسلسل الجينومات ذات الأهمية الفريدة للبحث في الشيخوخة. J Gerontol A Biol Sci Med Sci. 200762 (6): 583-4.

Gorbunova V، Seluanov A، Zhang Z، Gladyshev VN، Vijg J. علم الوراثة المقارن لطول العمر والسرطان: رؤى من القوارض طويلة العمر. نات ريف جينيت. 201415 (8): 531-40.

Belyi VA و Ak P و Markert E و Wang H و Hu W و Puzio-Kuter A وآخرون. نشأة عائلة الجينات p53 وتطورها. كولد سبرينج هارب بيرسبكت بيول. 20102 (6): a001198.

Wichmann IA و Zavala K و Hoffmann FG و Vandewege MW و Corvalan AH و Amigo JD وآخرون. التاريخ التطوري لعائلة الجينات الكابتة للورم في الفقاريات مع وصف لسلالة جين ريبيمو جديدة. الجين. 2016591 (1): 245–54.

ألبرتسون آر سي ، كريسكو دبليو ، ديتريش إتش دبليو الثالثة ، بوستليثويت جي إتش. نماذج تطورية متحولة للأمراض التي تصيب الإنسان. اتجاهات الجينات. 200925 (2): 74-81.

هاناهان د ، واينبرغ را. بصمات السرطان: الجيل القادم. زنزانة. 2011144 (5): 646–74.

إس سي ستيرنز ، نيس آر إم ، جوفينداراجو دي آر ، إليسون بي تي. التطور في الصحة والطب ندوة ساكلر: وجهات نظر تطورية حول الصحة والطب. Proc Natl Acad Sci U S A. 2010107 (ملحق 1): 1691-5.

لوبيز أوتين سي ، بلاسكو إم إيه ، بارتريدج إل ، سيرانو إم ، كرومير جي. السمات المميزة للشيخوخة. زنزانة. 2013153 (6): 1194-217.

دي ماجالهيس جي بي ، ستيفنز إم ، ثورنتون د. أعمال علم مكافحة الشيخوخة. اتجاهات التكنولوجيا الحيوية. 201735 (11): 1062–73.

Kinsella RJ و Kahari A و Haider S و Zamora J و Proctor G و Spudich G et al. Ensembl BioMarts: مركز لاسترجاع البيانات عبر الفضاء التصنيفي. قاعدة بيانات (أكسفورد). 20112011: bar030.

فريق R Core. R: لغة وبيئة للحوسبة الإحصائية. فيينا: مؤسسة R للحوسبة الإحصائية 2018.

الشتاء دي جي. Rentrez: حزمة R لواجهة برمجة تطبيقات NCBI eUtils. آر جي 20189 (2): 520-6.

قرص مضغوط Fu L و Niu B و Zhu Z و Wu S و Li W. المعلوماتية الحيوية. 201228 (23): 3150-2.

Haas B، Papanicolaou A. Transdecoder [متوفر من: https://transdecoder.github.io].

Altenhoff AM ، Dessimoz C. التقييم التطوري والوظيفي لمشاريع وطرق الاستدلال على تقويم العظام. بلوس كومبوت بيول. 20095 (1): e1000262.

كاتوه ك ، ستاندلي دم. الإصدار 7 من برنامج محاذاة التسلسل المتعدد MAFFT: تحسينات في الأداء وسهولة الاستخدام. مول بيول إيفول. 201330 (4): 772-80.

براون جي دبليو ، ووكر جيه إف ، سميث سا. Phyx: أدوات النشوء والتطور ليونيكس. المعلوماتية الحيوية. 201733 (12): 1886-188.

بوروويك مل. AMAS: أداة سريعة لمعالجة المحاذاة وحساب ملخص الإحصائيات. بيرج. 20164: e1660.

نغوين إل تي ، شميدت ها ، فون هايسلير أ ، مينه بي كيو. IQ-TREE: خوارزمية عشوائية سريعة وفعالة لتقدير سلالات الاحتمالية القصوى. مول بيول إيفول. 201532 (1): 268–74.

الإيمان موانئ دبي. تقييم الحفظ والتنوع الوراثي. بيول كونسيرف. 199261 (1): 1-10.

Kembel SW و Cowan PD و Helmus MR و Cornwell WK و Morlon H و Ackerly DD وآخرون. Picante: أدوات R لدمج الأنساب والبيئة. المعلوماتية الحيوية. 201026 (11): 1463-4.

Shen L، Sinai M. GeneOverlap: اختبار وتصور تداخلات الجينات. إصدار حزمة R 1.16.0. 2013 [متاح من: http://shenlab-sinai.github.io/shenlab-sinai/].

Wickham H. ggplot2: رسومات أنيقة لتحليل البيانات. نيويورك: Springer-Verlag 2016.

ريتشي مي ، بيبسون بي ، وو دي ، هو واي ، لو سي دبليو ، شي دبليو ، وآخرون. تعمل limma على تحليل التعبير التفاضلي لدراسات تسلسل الحمض النووي الريبي ودراسات المصفوفات الدقيقة. الدقة الأحماض النووية. 201543 (7): e47.

Tennekes M. خريطة ثلاثية الأبعاد: تصور Treemap. إصدار حزمة R 2.4-2 2017 [متاح من: https://CRAN.R-project.org/package=treemap].

شانون ف ، ماركيل أ ، أوزير أو ، باليجا إن إس ، وانج جيه ​​تي ، راماج دي ، وآخرون. Cytoscape: بيئة برمجية للنماذج المتكاملة لشبكات التفاعل الجزيئي الحيوي. الدقة الجينوم. 200313 (11): 2498-504.

Carlin DE ، Demchak B ، Pratt D ، Sage E ، Ideker T. انتشار الشبكة في البنية التحتية الإلكترونية للخلايا. بلوس كومبوت بيول. 201713 (10): e1005598.

Albert R ، Jeong H ، Barabasi AL. الخطأ والتسامح هجوم من الشبكات المعقدة. طبيعة سجية. 2000406 (6794): 378–82.

Chatr-Aryamontri A و Oughtred R و Boucher L و Rust J و Chang C و Kolas NK وآخرون. قاعدة بيانات تفاعل BioGRID: تحديث 2017. الدقة الأحماض النووية. 201745 (D1): D369-D79.

أوكي ك ، أوغاتا واي ، شيباتا د.مناهج لاستخراج المعلومات العملية من شبكات التعبير الجيني المشترك في بيولوجيا النبات. فيسيول الخلية النباتية. 200748 (3): 381-90.

بارتل جيه ، كرومسيك جيه ، شرام ك ، أدامسكي جيه ، جيجر سي ، هيردر سي ، إت آل. واجهة التمثيل الغذائي للدم البشري. بلوس جينيت. 201511 (6): e1005274.

Stampfer MR ، Bartholomew JC ، Smith HS ، Bartley JC. استقلاب البنزو [أ] البيرين عن طريق الخلايا الظهارية للثدي البشري: السمية وتشكيل مقرب الحمض النووي. Proc Natl Acad Sci U S A. 198178 (10): 6251-5.

أفيلار را ، أورتيجا جغ ، تاكوتو آر ، تايلر إي ، بينيت د ، بينيتي ف ، وآخرون. CellAge_supplementary: GitHub 2019 [متوفر من: https://github.com/maglab/CellAge_supplementary].

معلومات مراجعة الأقران

كان Yixin Yao هو المحرر الرئيسي لهذه المقالة وأدار عملية التحرير ومراجعة الأقران بالتعاون مع بقية فريق التحرير.

مراجعة التاريخ

يتوفر سجل المراجعة كملف إضافي 6.


Adai، A. T.، Date، S. V.، Wieland، S.، and Marcotte، E.M (2004). LGL: إنشاء خريطة لوظيفة البروتين باستخدام خوارزمية لتصور الشبكات البيولوجية الكبيرة جدًا. جيه مول. بيول. 340 ، 179 & # x02013190. دوى: 10.1016 / j.jmb.2004.04.047

العنزي ، ب ، آرب ، ب ، جرجس ، س ، أورميرود ، سي ، أولسمان ، إن ، وزين ، ك. (2015). يكشف التحليل التجريبي والحاسبي لشبكة بروتين كبيرة تتحكم في تخزين الدهون عن مبادئ تصميم شبكة الإشارات. PLoS Comput. بيول. 11: e1004264. دوى: 10.1371 / journal.pcbi.1004264

الكسندر ، س ، وجويديب ، ج. (2003). مجموعات الكتلة & # x02014a إطار إعادة استخدام المعرفة للجمع بين أقسام متعددة. J. ماخ. يتعلم. الدقة. 3 ، 583 & # x02013617. دوى: 10.1162 / 153244303321897735

ألتشول ، إس إف ، جيش ، دبليو ، ميلر ، دبليو ، مايرز ، إي دبليو ، وليبمان ، دي جي (1990). بسيطة أداة بحث المواءمة المحلية. جيه مول. بيول. 215 ، 403 & # x02013410. دوى: 10.1016 / S0022-2836 (05) 80360-2

آنا ، إل إن إف ، وجاين ، إيه ك. (2003). & # x0201CRobust تجميع البيانات ، & # x0201D في: مؤتمر IEEE Computer Society حول رؤية الكمبيوتر والتعرف على الأنماط ، وقائع عام 2003 (Madison، WI: IEEE Comput. Soc)، II-128-II & # x02212133. متاح على الإنترنت على: http://ieeexplore.ieee.org/document/1211462/ (تم الاطلاع في 21 أغسطس / آب 2019).

Athanasiadis، E. I.، Bourdakou، M.، and Spyrou، G.M (2015). Zoomout: تحليل شبكات متعددة كعقد واحدة. IEEE / ACM Trans. حاسوب. بيول. بيوينفورم. 12 ، 1213 & # x020131216. دوى: 10.1109 / TCBB.2015.2424411

أوبر ، دي ، أرشامبولت ، دي ، بوركي ، آر ، ديليست ، إم ، دوبوا ، جي ، لامبرت ، إيه ، وآخرون. (2017). & # x0201CTulip 5 ، & # x0201D في موسوعة تحليل الشبكة الاجتماعية والتعدين، محرران R. Alhajj و J. Rokne (نيويورك ، نيويورك: Springer New York ، 1 & # x0201328.

آزاد ، أ ، بافلوبولوس ، ج.أ ، أوزونيس ، سي أ ، كيربيدس ، إن سي ، وبولو & # x000E7 ، أ. (2018). HipMCL: تطبيق مواز عالي الأداء لخوارزمية ماركوف العنقودية للشبكات واسعة النطاق. الدقة الأحماض النووية. 46: e33. دوى: 10.1093 / nar / gkx1313

بدر ، جي دي ، بيتل ، دي ، وهوج ، سي دبليو (2003). BIND: قاعدة بيانات شبكة التفاعل الجزيئي الحيوي. الدقة الأحماض النووية. 31 ، 248 & # x02013250. دوى: 10.1093 / nar / gkg056

بدر ، ج.د. ، وهوج ، س.و. (2003). طريقة آلية لإيجاد المجمعات الجزيئية في شبكات تفاعل البروتين الكبيرة. BMC Bioinform. 4: 2. دوى: 10.1186 / 1471-2105-4-2

باراباسي ، أل ، وألبرت ، ر. (1999). ظهور التوسع في شبكات عشوائية. علم 286 ، 509 & # x02013512. دوى: 10.1126 / العلوم .286.5439.509

Barab & # x000E1si، A.-L.، and Oltvai، Z.N (2004). بيولوجيا الشبكة: فهم التنظيم الوظيفي للخلية و # x00027. نات. القس جينيه. 5 ، 101 & # x02013113. دوى: 10.1038 / nrg1272

باريت ، ت ، ويلهيت ، إس إي ، ليدو ، بي ، إيفانجليستا ، سي ، كيم ، آي إف ، توماشيفسكي ، إم ، وآخرون. (2013). NCBI GEO: أرشيف لمجموعات بيانات الجينوم الوظيفي & # x02013update. الدقة الأحماض النووية. 41 ، D991 & # x02013D995. دوى: 10.1093 / nar / gks1193

باستيان ، م ، هيمان ، س ، وجاكومي ، م. (2009). & # x0201CGephi: برنامج مفتوح المصدر لاستكشاف ومعالجة الشبكات ، & # x0201D في مؤتمر AAAI الدولي على مدونات الويب ووسائل التواصل الاجتماعي. متاح على الإنترنت على: http://www.aaai.org/ocs/index.php/ICWSM/09/paper/view/154

بوم ، ب.ر. (1989). PHYLIP: حزمة الاستدلال التطوري. الإصدار 3.2. جويل فيلسنشتاين. س: القس بيول. 64 ، 539 & # x0201341. دوى: 10.1086 / 416571

Bindea ، G. ، Mlecnik ، B. ، Hackl ، H. ، Charoentong ، P. ، Tosolini ، M. ، Kirilovsky ، A. ، et al. (2009). ClueGO: مكون إضافي لـ cytoscape لفك تشفير علم الوجود الجيني المُجمَّع وظيفيًا وشبكات شرح المسار. المعلوماتية الحيوية 25 ، 1091 & # x020131093. دوى: 10.1093 / المعلوماتية الحيوية / btp101

Blondel، V.D، Guillaume، J.-L.، Lambiotte، R.، and Lefebvre، E. (2008). انتشار سريع للمجتمعات في شبكات كبيرة. J. ستات. ميكانيكي. نظرية إكسب. 2008: P10008. دوى: 10.1088 / 1742-5468 / 2008/10 / P10008

بولوب & # x000E1s ، ب. (2001). الرسوم البيانية العشوائية ، 2nd Edn. كامبريدج ، نيويورك: مطبعة جامعة كامبريدج ، 498. دوى: 10.1017 / CBO9780511814068

Bonacich ، P. (1987). القوة والمركزية: مجموعة من التدابير. أكون. J. سوسيول. 92 ، 1170 & # x020131182. دوى: 10.1086 / 228631

Bonnici، V.، Caro، G. D.، Constantino، G.، Liuni، S.، D & # x00027Elia، D.، Bombieri، N.، et al. (2018). Arena-Idb: منصة لبناء شبكات تفاعل RNA بشرية غير مشفرة. BMC Bioinform. 19 (ملحق 10): 350. دوى: 10.1186 / s12859-018-2298-8

براندز ، يو ، إيجلسبرجر ، إم ، ليرنر ، ج. ، وبيتش ، سي (2017). لغة ترميز الرسم البياني (GraphML). بوكا راتون ، فلوريدا: Taylor & # x00026 Francis ، CRC Press ، 517 & # x02013541.

Breitkreutz، B.-J.، Stark، C.، and Tyers، M. (2002). Osprey: نظام تصور الشبكة. جينوم بيول. 3: PREPRINT0012. دوى: 10.1186 / gb-2002-3-12-preprint0012

Broh & # x000E9e ، S. ، Faust ، K. ، Lima-Mendez ، G. ، Sand ، O. ، Janky ، R. ، Vanderstocken ، G. ، et al. (2008). NeAT: صندوق أدوات لتحليل الشبكات والعناقيد والطبقات والمسارات البيولوجية. الدقة الأحماض النووية. 36 ، W444 & # x02013W451. دوى: 10.1093 / nar / gkn336

Broh & # x000E9e، S.، and van Helden، J. (2006). تقييم خوارزميات التجميع لشبكات تفاعل البروتين البروتين. BMC Bioinform. 7: 488. دوى: 10.1186 / 1471-2105-7-488

الشاوية ك. (2007). نمذجة شبكة بيتري للشبكات البيولوجية. موجز Bioinform. 8 ، 210 & # x02013219. دوى: 10.1093 / مريلة / bbm029

Chatr-aryamontri، A.، Ceol، A.، Palazzi، L.M، Nardelli، G.، Schneider، M.V، Castagnoli، L.، et al. (2007). MINT: قاعدة بيانات INTeraction الجزيئي. الدقة الأحماض النووية. 35 ، D572 & # x02013D574. دوى: 10.1093 / nar / gkl950

كونانت ، جي سي ، وفاجنر ، أ. (2003). التطور المتقارب لدارات الجينات. نات. جينيه. 34 ، 264 & # x02013266. دوى: 10.1038 / ng1181

كروفت ، دي.ب. ، كراوس ، ج. ، وجيمس ، ر. (2004). الشبكات الاجتماعية في غوبي (poecilia reticulata). بروك. بيول. علوم. 271 (ملحق 6): S516 & # x02013S519. دوى: 10.1098 / rsbl.2004.0206

Dagum، L.، and Menon، R. (1998). Open MP: واجهة برمجة تطبيقات قياسية صناعية لبرمجة الذاكرة المشتركة. IEEE Comput. علوم. م. 5 ، 46 & # x0201355. دوى: 10.1109 / 99.660313

دانون ، إل ، فورد ، إيه بي ، هاوس ، تي ، جيويل ، سي بي ، كيلينغ ، إم جي ، روبرتس ، جي أو ، وآخرون. (2011). الشبكات ووبائيات الامراض المعدية. Interdiscip. تصيب المنظور. ديس. 2011 ، 1 & # x0201328. دوى: 10.1155 / 2011/284909

Darzi، Y.، Letunic، I.، Bork، P.، and Yamada، T. (2018). iPath3.0: مستكشف المسارات التفاعلي v3. الدقة الأحماض النووية. 46 ، W510 & # x02013W513. دوى: 10.1093 / nar / gky299

Delmas ، E. ، Besson ، M. ، Brice ، M.-H. ، Burkle ، L.A ، Dalla Riva ، G.V ، Fortin ، M.-J. ، et al. (2019). تحليل الشبكات البيئية لتفاعلات الأنواع: تحليل الشبكات البيئية. بيول. القس. 94 ، 16 & # x0201336. دوى: 10.1111 / brv.12433

ديمير ، إي ، كاري ، إم بي ، بالي ، إس ، فوكودا ، ك ، ليمير ، سي ، فاستريك ، آي ، وآخرون. (2010). معيار مجتمع BioPAX لمشاركة بيانات المسار. نات. التكنولوجيا الحيوية. 28 ، 935 & # x02013942. دوى: 10.1038 / nbt.1666

دونشيفا ، إن تي ، أسينوف ، واي ، دومينجيز ، إف إس ، وألبريشت ، إم (2012). التحليل الطوبولوجي والتصور التفاعلي للشبكات البيولوجية وهياكل البروتين. نات. بروتوك. 7 ، 670 & # x02013685. دوى: 10.1038 / nprot.2012.004

دونجن ، س. (2000). معايير الأداء لتجميع الرسم البياني وتجارب مجموعة ماركوف. معهد الأبحاث الوطني للرياضيات وعلوم الكمبيوتر.

إيدن ، إي ، نافون ، ر ، شتاينفيلد ، آي ، ليبسون ، دي ، وياخيني ، زد (2009). GOrilla: أداة لاكتشاف وتصور مصطلحات GO المخصب في قوائم الجينات المرتبة. BMC Bioinform. 10:48. دوى: 10.1186 / 1471-2105-10-48

إيكري ، أ.ر. ، ومانتي ، آر في (2016). & # x0201C أدوات محاذاة تسلسل جينوم: مراجعة ، & # x0201D بتنسيق 2016 المؤتمر الدولي الثاني للتقدم في مجالات الكهرباء والإلكترونيات والمعلومات والاتصالات والمعلوماتية الحيوية (AEEICB) (تشيناي: IEEE) ، 677 & # x02013681. متاح على الإنترنت على: http://ieeexplore.ieee.org/lpdocs/epic03/wrapper.htm؟arnumber=7538378 (تم الاطلاع في 18 يوليو / تموز 2019).

إنرايت ، أ.ج ، فان دونجن ، س. ، وأوزونيس ، سي أ. (2002). خوارزمية فعالة للكشف على نطاق واسع عن عائلات البروتين. الدقة الأحماض النووية. 30 ، 1575 & # x020131584. دوى: 10.1093 / nar / 30.7.1575

فابريغات ، أ ، جوبي ، إس ، ماثيوز ، إل ، سيديروبولوس ، ك ، جيليسبي ، إم ، جاراباتي ، بي ، وآخرون. (2018). قاعدة معرفة مسار رد الفعل. الدقة الأحماض النووية. 46 ، D649 & # x02013D655. دوى: 10.1093 / nar / gkx1132

Fagny ، M. ، Paulson ، J.N ، Kuijjer ، M.L ، Sonawane ، A.R ، Chen ، C.-Y. ، Lopes-Ramos ، C.M ، et al. (2017). استكشاف التنظيم في الأنسجة باستخدام شبكات eQTL. بروك. ناتل. أكاد. علوم. الولايات المتحدة الأمريكية. 114 ، E7841 & # x02013E7850. دوى: 10.1073 / pnas.1707375114

Ferro ، A. ، Giugno ، R. ، Pigola ، G. ، Pulvirenti ، A. ، Skripin ، D. ، Bader ، G. D. ، et al. (2007). NetMatch: مكون إضافي لـ cytoscape للبحث عن الشبكات البيولوجية. بيوينفورم. أوكسف. إنجل. 23 ، 910 & # x02013912. دوى: 10.1093 / المعلوماتية الحيوية / btm032

Flannick، J.، Novak، A.، Do، C.B، Srinivasan، B. S.، and Batzoglou، S. (2008). & # x0201C تلقائية المعلمة التعلم لمحاذاة شبكات متعددة ، & # x0201D في البحث في البيولوجيا الجزيئية الحسابية، eds M. Vingron and L. Wong (Berlin: Springer Berlin Heidelberg)، 214 & # x02013231. متاح على الإنترنت على: http://link.springer.com/10.1007/978-3-540-78839-3_19 (تم الوصول إليه في 16 ديسمبر 2019).

المنتدى ، M.P.I (1994). MPI: واجهة تمرير الرسائل. كلية معهد الدراسات العليا في ولاية أوريغون & # x00026 الهندسة. رقم التقرير: 890839.

فولكس ، إي بي ، ومالوز سي إل (1983). طريقة لمقارنة مجموعتين هرميتين. جيه. ستات. مساعد. 78 ، 553 و # x02013569. دوى: 10.1080 / 01621459.1983.10478008

Franceschini ، A. ، Szklarczyk ، D. ، Frankild ، S. ، Kuhn ، M. ، Simonovic ، M. ، Roth ، A. ، et al. (2013). STRING v9.1: شبكات تفاعل البروتين البروتين ، مع زيادة التغطية والتكامل. الدقة الأحماض النووية. 41 ، D808 & # x02013D815. دوى: 10.1093 / nar / gks1094

فرانز ، إم ، لوبيز ، سي تي ، هاك ، جي ، دونغ ، واي ، سومر ، أو. ، وبدير ، جي دي (2016). Cytoscape.js: مكتبة نظرية الرسم البياني للتصور والتحليل. بيوينفورم. أوكسف. إنجل. 32 ، 309 & # x02013311. دوى: 10.1093 / المعلوماتية الحيوية / btv557

فرانز ، إم ، رودريغيز ، إتش ، لوبيز ، سي ، زوبيري ، ك. ، مونتوجو ، جي ، بدر ، جي دي ، وآخرون. (2018). تحديث GeneMANIA 2018. الدقة الأحماض النووية. 46 ، W60 & # x02013W64. دوى: 10.1093 / nar / gky311

فريمان ، إل سي (1977). مجموعة من مقاييس المركزية على أساس البينية. قياس الاجتماع 40 ، 35 & # x0201341. دوى: 10.2307 / 3033543

فراي ، ب.ج ، ودويك ، د. (2007). التجميع عن طريق تمرير الرسائل بين نقاط البيانات. علم 315 ، 972 & # x02013976. دوى: 10.1126 / العلوم .1136800

فروخترمان ، تي إم جيه ، ورينجولد ، إي إم (1991). رسم بياني عن طريق التنسيب الموجه بالقوة. سوفتو. الممارسة. إكسب. 21 ، 1129 & # x020131164. دوى: 10.1002 / spe.4380211102

فونج ، بي سي إم ، وانج ، ك. ، وإستر إم. (2003). & # x0201 تجميع المستندات الهرمي باستخدام مجموعات العناصر المتكررة ، & # x0201D بتنسيق وقائع مؤتمر SIAM الدولي بشأن التنقيب في البيانات لعام 2003 (سان فرانسيسكو ، كاليفورنيا: جمعية الرياضيات الصناعية والتطبيقية) ، 59 & # x0201370. متاح على الإنترنت على: https://epubs.siam.org/doi/10.1137/1.9781611972733.6 (تم الوصول إليه في 2 سبتمبر 2019).

جابور ، سي ، ونيبوس ، ت. (2006). حزمة برامج Igraph لأبحاث الشبكات المعقدة. InterJournalComplex Systems: 1695.

جاجيسكو ، ر. (2001). مشروع الخلية المرئية. نات. القس مول. خلية بيول. 2 ، 231 & # x02013231. دوى: 10.1038 / 35067039

جانيور ، جيه ، جاكسون ، دي بي ، وكاساري ، ج. (2003). التحليل الهرمي للتبعية في شبكات التمثيل الغذائي. المعلوماتية الحيوية 19 ، 1027 & # x020131034. دوى: 10.1093 / المعلوماتية الحيوية / btg115

جافين ، إيه سي ، ألوي ، بي ، غراندي ، بي ، كراوس ، آر ، بوشي ، إم ، مارزيوتش ، إم ، وآخرون. (2006). مسح بروتيوم يكشف نمطية آلية خلية الخميرة. طبيعة سجية 440 ، 631 & # x02013636. دوى: 10.1038 / nature04532

Gehlenborg، N.، O & # x00027Donoghue، S. I.، Baliga، N. S.، Goesmann، A.، Hibbs، M.A، Kitano، H.، et al. (2010). تصور بيانات omics لبيولوجيا الأنظمة. نات. أساليب 7 ، S56 & # x02013S68. دوى: 10.1038 / نميث 1436

اتحاد علم الوجود الجيني (2004). قاعدة بيانات الأنطولوجيا الجينية (GO) ومورد المعلوماتية. الدقة الأحماض النووية. 32، 258D & # x02212261D. دوى: 10.1093 / nar / gkh036

جنتلمان ، آر سي ، كاري ، ف.ج ، بيتس ، دي إم ، بولستاد ، بي ، ديتلينج ، إم ، دودويت ، إس ، وآخرون. (2004). Bioconductor: تطوير البرمجيات المفتوحة للبيولوجيا الحاسوبية والمعلوماتية الحيوية. جينوم بيول. 5: R80. دوى: 10.1186 / gb-2004-5-10-r80

جيوتلاكيس ، أ ، كلابا ، إم آي ، وموشوناس ، إن كيه (2017). PICKLE 2.0: قاعدة بيانات وصفية للتفاعل بين البروتين البشري والبروتين تستخدم تكامل البيانات عبر علم الأنطولوجيا المعلوماتية الجينية. بلوس واحد 12: e0186039. دوى: 10.1371 / journal.pone.0186039

Goh، K.-I.، Cusick، M. E.، Valle، D.، Childs، B.، Vidal، M.، and Barab & # x000E1si، A.-L. (2007). شبكة الأمراض البشرية. بروك. ناتل. أكاد. علوم. الولايات المتحدة الأمريكية. 104 ، 8685 & # x020138690. دوى: 10.1073 / pnas.0701361104

Golding ، B. ، و Felsenstein ، J. (1990). نهج الاحتمالية القصوى لاكتشاف الاختيار من سلالة. جيه مول. Evol. 31 ، 511 & # x02013523. دوى: 10.1007 / BF02102078

Gottlieb، A.، Stein، G. Y.، Ruppin، E.، and Sharan، R. (2011). التنبؤ: طريقة لاستنتاج مؤشرات دوائية جديدة مع تطبيقها على الطب الشخصي. مول. النظام. بيول. 7: 496. دوى: 10.1038 / msb.2011.26

Gu، S.، Johnson، J.، Faisal، F. E.، and Milenkovi & # x00107، T. (2018). من محاذاة الشبكة المتجانسة إلى غير المتجانسة عبر الرسوم البيانية الملونة. علوم. اعادة عد. 8: 12524. دوى: 10.1038 / s41598-018-30831-w

البنادق ، ر. (2014). & # x0201CLink التنبؤ ، & # x0201D في قياس الأثر العلمي، محرران Y. Ding، R. Rousseau، and D. Wolfram (Cham: Springer International Publishing)، 35 & # x0201355. متاح على الإنترنت على: http://link.springer.com/10.1007/978-3-319-10377-8_2 (تم الوصول إليه في 17 ديسمبر 2019).

هاجبرج ، أ ، شولت ، د. ، وسوارت ، ب. (2008). & # x0201C استكشاف بنية الشبكة وديناميكياتها ووظائفها باستخدام الشبكة ، & # x0201D بتنسيق وقائع مؤتمر بايثون السابع في العلوم (باسادينا ، كاليفورنيا: SciPy)، 11 & # x0201315.

Hage، P.، and Harary، F. (1995). اللامركزية والمركزية في الشبكات. شركة نتو. 17 ، 57 & # x0201363. دوى: 10.1016 / 0378-8733 (94) 00248-9

هان ، هـ ، تشو ، جيه دبليو ، لي ، إس ، يون ، إيه ، كيم ، هـ ، باي ، دي ، وآخرون. (2018). TRRUST v2: قاعدة بيانات مرجعية موسعة للتفاعلات التنظيمية لنسخ الإنسان والفأر. الدقة الأحماض النووية. 46 ، D380 & # x02013D386. دوى: 10.1093 / nar / gkx1013

Han ، H. ، Lee ، S. ، and Lee ، I. (2019). NGSEA: تحليل إثراء مجموعة الجينات المستند إلى الشبكة لتفسير أنماط التعبير الجيني مع مجموعات الجينات الوظيفية. مول. الخلايا 42 ، 579 & # x02013588. دوى: 10.1101 / 636498

Hermjakob ، H. ، Montecchi-Palazzi ، L. ، Bader ، G. ، Wojcik ، J. ، Salwinski ، L. ، Ceol ، A. ، et al. (2004 ب). تنسيق التفاعل الجزيئي HUPO PSI & # x00027s & # x02014a معيار المجتمع لتمثيل بيانات تفاعل البروتين. نات. التكنولوجيا الحيوية. 22 ، 177 & # x02013183. دوى: 10.1038 / nbt926

Hermjakob ، H. ، Montecchi-Palazzi ، L. ، Lewington ، C. ، Mudali ، S. ، Kerrien ، S. ، Orchard ، S. ، et al. (2004 أ). IntAct: قاعدة بيانات تفاعل جزيئي مفتوحة المصدر. الدقة الأحماض النووية. 32 ، D452 & # x02013D455. دوى: 10.1093 / nar / gkh052

هيملشتاين ، دي إس ، وبارانزيني ، إس إي (2015). توقع حافة الشبكة غير المتجانسة: نهج تكامل البيانات لتحديد أولويات الجينات المرتبطة بالأمراض. PLoS Comput. بيول. 11: e1004259. دوى: 10.1371 / journal.pcbi.1004259

هولدينج ، إيه إن ، كوك ، إتش في ، وماركويتز ، إف (2019). استراتيجيات توليد البيانات وإعادة بناء الشبكة لمحات نسخ الخلية المفردة لاضطرابات الجينات بوساطة كريسبر. بيوكيم. بيوفيز. Acta BBA Gene Regul. ميكانيكي. 20: 194441. دوى: 10.1016 / j.bbagrm.2019.194441

Hu، Z.، Hung، J.-H.، Wang، Y.، Chang، Y.-C، Huang، C.-L.، Huyck، M.، et al. (2009). VisANT 3.5: تصور الشبكة متعدد المقاييس والتحليل والاستدلال بناءً على علم الوجود الجيني. الدقة الأحماض النووية. 37 ، W115 & # x02013W121. دوى: 10.1093 / nar / gkp406

هوانغ ، دي دبليو ، شيرمان ، بي تي ، ومبيكي آر إيه (2009 أ). أدوات إثراء المعلوماتية الحيوية: مسارات نحو التحليل الوظيفي الشامل لقوائم الجينات الكبيرة. الدقة الأحماض النووية. 37 ، 1 & # x0201313. دوى: 10.1093 / nar / gkn923

هوانغ ، دي دبليو ، شيرمان ، بي تي ، ولمبيكي ، آر إيه (2009 ب). تحليل منهجي وتكاملي لقوائم الجينات الكبيرة باستخدام موارد DAVID للمعلوماتية الحيوية. نات. بروتوك. 4 ، 44 & # x0201357. دوى: 10.1038 / nprot.2008.211

Hucka ، M. ، Finney ، A. ، Sauro ، H. M. ، Bolouri ، H. ، Doyle ، J.C ، Kitano ، H. ، et al. (2003). لغة ترميز بيولوجيا الأنظمة (SBML): وسيلة لتمثيل وتبادل نماذج الشبكة البيوكيميائية. بيوينفورم. أوكسف. إنجل. 19 ، 524 & # x02013531. دوى: 10.1093 / المعلوماتية الحيوية / btg015

هونغ ، J.-H. ، Yang ، T.-H. ، Hu ، Z. ، Weng ، Z. ، and DeLisi ، C. (2012). تحليل إثراء مجموعة الجينات: تقييم الأداء وإرشادات الاستخدام. موجز Bioinform. 13 ، 281 & # x02013291. دوى: 10.1093 / bib / bbr049

هوسون ، دي إتش ، ريشتر ، دي سي ، راوش ، سي ، ديزوليان ، ت ، فرانز ، إم ، وروب ، ر. (2007). Dendroscope: عارض تفاعلي لأشجار النشوء والتطور الكبيرة. BMC Bioinform. 8: 460. دوى: 10.1186 / 1471-2105-8-460

هوسون ، دي إتش ، روب ، آر ، وسكورنافكا ، سي (2010). شبكات النشوء والتطور: المفاهيم والخوارزميات والتطبيقات. كامبريدج: مطبعة جامعة كامبريدج. متاح على الإنترنت على: http://ebooks.cambridge.org/ref/id/CBO9780511974076 (تم الوصول إليه في 22 يوليو 2019).

إنجز ، تي سي ، مونتويا ، جي إم ، باسكومبت ، جيه ، بل آند # x000 إف سي ثجن ، إن ، براون ، إل ، دورمان ، سي إف ، إت آل. (2009). الشبكات البيئية و # x02013 ما وراء الشبكات الغذائية. J. انيم. ايكول. 78 ، 253 & # x02013269. دوى: 10.1111 / j.1365-2656.2008.01460.x

إيراجني ، ف ، نيكولسكي ، م ، ماتيو ، ب ، أوبر ، د. ، وشيرمان ، د. (2005). ProViz: تصور تفاعل البروتين واستكشافه. بيوينفورم. أوكسف. إنجل. 21 ، 272 & # x02013274. دوى: 10.1093 / المعلوماتية الحيوية / bth494

إيتو ، ت. ، شيمبو ، إم ، كودو ، ت. ، وماتسوموتو ، واي (2005). & # x0201CA تطبيق النواة لتحليل الارتباط ، & # x0201D بتنسيق انطلاق المؤتمر الدولي الحادي عشر لـ ACM SIGKDD حول اكتشاف المعرفة في تعدين البيانات - KDD & # x0002705 (Chicago، IL: ACM Press)، 586. متوفر على الإنترنت على: http://portal.acm.org/citation.cfm؟doid=1081870.1081941 (تم الاطلاع في 17 ديسمبر / كانون الأول 2019).

جليلي ، م ، صالح زاده-يزدي ، أ ، جوبتا ، س ، فولكنهاور ، أو. ، ياغماي ، م ، ريسينديس-أنطونيو ، أو. ، وآخرون. (2016). تطور قياسات المركزية للكشف عن البروتينات الأساسية في الشبكات البيولوجية. أمام. فيسيول. 7: 375. دوى: 10.3389 / fphys.2016.00375

جيونج ، إتش ، تومبور ، بي ، ألبرت ، آر ، أولتفاي ، زد إن ، وباراب & # x000E1si ، إيه إل (2000). التنظيم الواسع النطاق لشبكات التمثيل الغذائي. طبيعة سجية 407 ، 651 & # x02013654. دوى: 10.1038 / 35036627

جيانغ ، ب ، وسينغ ، م. (2010). SPICi: خوارزمية تجميع سريع للشبكات البيولوجية الكبيرة. بيوينفورم. أوكسف. إنجل. 26 ، 1105 & # x020131111. دوى: 10.1093 / المعلوماتية الحيوية / btq078

يونكر ، ب.إتش ، وشريبر ، ف ،. (محرران) (2008). تحليل الشبكات البيولوجية ، سلسلة وايلي في المعلوماتية الحيوية (Hoboken، NJ: Wiley-Interscience)، 346. doi: 10.1002 / 9780470253489

كالايف ، إم ، سموت ، إم ، إيديكر ، ت. ، وشاران ، ر. (2008). NetworkBLAST: تحليل مقارن لشبكات البروتين. المعلوماتية الحيوية 24 ، 594 & # x02013596. دوى: 10.1093 / المعلوماتية الحيوية / btm630

Kandasamy، K.، Mohan، S.، Raju، R.، Keerthikumar، S.، Kumar، G. S. S.، Venugopal، A. K.، et al. (2010). NetPath: مورد عام لمسارات تحويل الإشارة المنسقة. جينوم بيول. 11: م 3. دوى: 10.1186 / gb-2010-11-1-r3

Kanehisa، M.، and Goto، S. (2000). KEGG: موسوعة كوتو للجينات والجينومات. الدقة الأحماض النووية. 28 ، 27 & # x0201330. دوى: 10.1093 / nar / 28.1.27

Kashtan، N.، Itzkovitz، S.، Milo، R.، and Alon، U. (2004). خوارزمية أخذ عينات فعالة لتقدير تركيزات الرسم البياني الفرعي واكتشاف أشكال الشبكة. بيوينفورم. أوكسف. إنجل. 20 ، 1746 & # x020131758. دوى: 10.1093 / المعلوماتية الحيوية / bth163

كافوروكو ، واي (2015). دراسة مقارنة على خوارزميات اكتشاف عزر الشبكة. كثافة العمليات J. البيانات دقيقة. بيوينفورما.11 ، 180 & # x02013204. دوى: 10.1504 / IJDMB.2015.066777

Kie & # x00142basa، S. M.، Wan، R.، Sato، K.، Horton، P.، and Frith، M.C (2011). البذور التكيفية ترويض مقارنة التسلسل الجيني. الدقة الجينوم. 21 ، 487 & # x02013493. دوى: 10.1101 / غرام .1113985.110

Kim، W.، Li، M.، Wang، J.، and Pan، Y. (2011). كشف وتقييم الشبكة البيولوجية. نظام BMC. بيول. 5 (ملحق 3): S5. دوى: 10.1186 / 1752-0509-5-S3-S5

كيرش ، و. (محرر). (2008). معامل ارتباط بيرسون & # x00027s. في: موسوعة الصحة العامة (Dordrecht: Springer Netherlands) ، 1090 & # x020131. متاح على الإنترنت على: http://link.springer.com/10.1007/978-1-4020-5614-7_2569 (تم الوصول إليه في 12 نوفمبر 2019).

كنوث ، دي إي (1997). فن برمجة الكمبيوتر ، 3rd Edn. القراءة: أديسون ويسل.

K & # x000F6hler، J.، Baumbach، J.، Taubert، J.، Specht، M.، Skusa، A.، R & # x000FCegg، A.، et al. (2006). التحليل القائم على الرسم البياني وتصور النتائج التجريبية باستخدام ONDEX. بيوينفورم. أوكسف. إنجل. 22 ، 1383 & # x020131390. دوى: 10.1093 / المعلوماتية الحيوية / btl081

Kosch & # x000FCtzki ، D. ، and Schreiber ، F. (2008). طرق تحليل المركزية للشبكات البيولوجية وتطبيقها على شبكات تنظيم الجينات. تنظيم الجينات. النظام. بيول. 2 ، 193 & # x02013201. دوى: 10.4137 / GRSB.S702

Koyut & # x000FCrk، M.، Kim، Y.، Topkara، U.، Subramaniam، S.، Szpankowski، W.، and Grama، A. (2006). المحاذاة الزوجية لشبكات تفاعل البروتين. J. كومبوت. بيول. 13 ، 182 & # x02013199. دوى: 10.1089 / سمب .2006.13.182

كرامر ، إف ، بايرلوف & # x000E1 ، إم ، كليم ، إف ، بلكمان ، إيه ، وبيسبارث ، ت. (2013). حزمة rBiopaxParser & # x02013an R لتحليل بيانات BioPAX وتعديلها وتصورها. بيوينفورم. أوكسف. إنجل. 29 ، 520 & # x02013522. دوى: 10.1093 / المعلوماتية الحيوية / bts710

Krzywinski، M.، Birol، I.، Jones، S.J، and Marra، M.A (2012). مؤامرات الخلية & # x02013 النهج العقلاني لتصور الشبكات. موجز Bioinform. 13 ، 627 & # x02013644. دوى: 10.1093 / bib / bbr069

Krzywinski، M.، Schein، J.، Birol، I.، Connors، J.، Gascoyne، R.، Horsman، D.، et al. (2009). السيرك: جمالية معلومات لعلم الجينوم المقارن. الدقة الجينوم. 19 ، 1639 & # x020131645. دوى: 10.1101 / غرام 092759.109

Kuchaiev، O.، Milenkovi & # x00107، T.، Memi & # x00161evi & # x00107، V.، Hayes، W.، and Pr & # x0017Dulj، N. (2010). تكشف محاذاة الشبكة الطوبولوجية عن الوظيفة البيولوجية والتطور. J.R Soc. واجهه المستخدم 7 ، 1341 & # x020131354. دوى: 10.1098 / rsif.2010.0063

كومار ، س. ، ستيتشر ، ج. ، وتامورا ، ك. (2016). MEGA7: تحليل الجينات التطورية الجزيئية الإصدار 7.0 لمجموعات البيانات الأكبر. مول. بيول. Evol. 33 ، 1870 & # x020131874. دوى: 10.1093 / مولبيف / msw054

Kunegis، J.، Fay، D.، and Bauckhage، C. (2013). التطور الطيفي في الشبكات الديناميكية. نول. المشاة. النظام. 37 ، 1 & # x0201336. دوى: 10.1007 / s10115-012-0575-9

Kutmon ، M. ، van Iersel ، M. P. ، Bohler ، A. ، Kelder ، T. ، Nunes ، N. ، Pico ، A. R. ، et al. (2015). PathVisio 3: صندوق أدوات تحليل مسار قابل للتمديد. PLoS Comput. بيول. 11: e1004085. دوى: 10.1371 / journal.pcbi.1004085

لانجفيلدر ، ب ، تشانغ ، ب ، وهورفاث ، س. (2008). تحديد المجموعات من شجرة مجموعة هرمية: حزمة قطع الشجرة الديناميكية لـ R. المعلوماتية الحيوية 24 ، 719 & # x02013720. دوى: 10.1093 / المعلوماتية الحيوية / btm563

Le Nov & # x000E8re، N.، Hucka، M.، Mi، H.، Moodie، S.، Schreiber، F.، Sorokin، A.، et al. (2009). الخطأ المنطقي: التدوين الرسومي لبيولوجيا الأنظمة. نات. التكنولوجيا الحيوية. 27 ، 864 & # x02013864. دوى: 10.1038 / nbt0909-864d

لين ، ب ، وشليت ، ت. (2009). قواعد بيانات تفاعل البروتين والبروتين: مواكبة التفاعلات المتنامية. همم. جينوم. 3 ، 291 & # x02013297. دوى: 10.1186 / 1479-7364-3-3-291

ليسكوفيك ، ج. ، باكستروم ، إل ، كومار ، آر ، وتومكينز ، أ. (2008). & # x0201CM التطور المجهري للشبكات الاجتماعية ، & # x0201D في انطلاق المؤتمر الدولي الرابع عشر لـ ACM SIGKDD حول اكتشاف المعرفة واستخراج البيانات - KDD 08 (Las Vegas، NV: ACM Press)، 462. متوفر على الإنترنت على: http://dl.acm.org/citation.cfm؟doid=1401890.1401948 (تم الاطلاع في 17 ديسمبر / كانون الأول 2019).

ليسكوفيك ، ج. ، وسوسي & # x0010 د ، ر. (2016). SNAP: مكتبة لتحليل الشبكة للأغراض العامة ومكتبة تنقيب عن الرسوم البيانية. ACM Trans. انتل. النظام. تكنول. 8 ، 1 & # x0201320. دوى: 10.1145 / 2898361

ليتونيك ، آي ، وبورك ، ب. (2007). شجرة الحياة التفاعلية (iTOL): أداة عبر الإنترنت لعرض شجرة النشوء والتطور والشرح. المعلوماتية الحيوية 23 ، 127 & # x02013128. دوى: 10.1093 / المعلوماتية الحيوية / btl529

لي ، ت. ، أوجيهارا ، إم ، وما ، س. (2004). & # x0201COn تجمع بين مجموعات متعددة ، & # x0201D في: وقائع مؤتمر ACM الثالث عشر حول إدارة المعلومات والمعرفة - CIKM & # x0002704. (Washington، DC: ACM Press)، 294. متوفر على الإنترنت على: http://portal.acm.org/citation.cfm؟doid=1031171.1031234 (تم الاطلاع في 21 أغسطس / آب 2019).

لويد ، سي إم ، هالستيد ، إم دي بي ، ونيلسن ، بي إف (2004). CellML: مستقبله وحاضره وماضيه. بروغ. بيوفيز. مول. بيول. 85 ، 433 و # x02013450. دوى: 10.1016 / j.pbiomolbio.2004.01.004

لونجابو ، دبليو جي آر (2012). BioT طرق مول. بيول. 786 ، 359 & # x02013394. دوى: 10.1007 / 978-1-61779-292-2_21

L & # x000FC، L.، Jin، C.H، and Zhou، T. (2009). يعتمد فهرس التشابه على المسارات المحلية للتنبؤ بالارتباط للشبكات المعقدة. فيز. القس إي 80: 046122. دوى: 10.1103 / PhysRevE.80.046122

لو ، دبليو ، وبروير ، سي (2013). Pathview: حزمة R / Bioconductor لتكامل البيانات القائمة على المسار والتصور. المعلوماتية الحيوية 29 ، 1830 & # x020131831. دوى: 10.1093 / المعلوماتية الحيوية / btt285

Ma ، H.-W. ، and Zeng ، A.-P. (2003). هيكل الاتصال والمكون القوي العملاق ومركزية شبكات التمثيل الغذائي. بيوينفورم. أوكسف. إنجل. 19 ، 1423 & # x020131430. دوى: 10.1093 / المعلوماتية الحيوية / btg177

Maere ، S. ، Heymans ، K. ، and Kuiper ، M. (2005). BiNGO: مكون إضافي لـ cytoscape لتقييم التمثيل الزائد لفئات علم الوجود الجيني في الشبكات البيولوجية. بيوينفورم. أوكسف. إنجل. 21 ، 3448 & # x020133449. دوى: 10.1093 / المعلوماتية الحيوية / bti551

مامانو ، إن ، وهايز ، دبليو ب. (2017). SANA: يتفوق التلدين المحاكي إلى حد بعيد على العديد من خوارزميات البحث الأخرى لمحاذاة الشبكة البيولوجية. بيوينفورم. أوكسف. إنجل. 33 ، 2156 & # x020132164. دوى: 10.1093 / المعلوماتية الحيوية / btx090

مانجان ، س ، وألون ، يو (2003). هيكل ووظيفة شكل شبكة حلقة التغذية الأمامية. بروك. ناتل. أكاد. علوم. الولايات المتحدة الأمريكية. 100 ، 11980 & # x0201311985. دوى: 10.1073 / pnas.2133841100

مانجان ، س ، زاسلافر ، أ ، وألون ، يو (2003). تعمل الحلقة التغذية الأمامية المتماسكة كعنصر تأخير حساس للإشارة في شبكات النسخ. جيه مول. بيول. 334 ، 197 & # x02013204. دوى: 10.1016 / j.jmb.2003.09.049

مارينا ميل ، & # x00103. ، وديفيد ، هـ. (2001). مقارنة تجريبية لطرق التجميع القائمة على النموذج. ماخ. يتعلم. 42 ، 9 & # x0201329. دوى: 10.1023 / A: 1007648401407

مارتن ، س. براون ، دبليو إم ، كلافانز ، آر ، وبوياك ، ك.و.و (2011). OpenOrd: صندوق أدوات مفتوح المصدر لتخطيط رسم بياني كبير. سان فرانسيسكو، كاليفورنيا. متاح من: http://proceedings.spiedigitallibrary.org/proceeding.aspx؟doi=10.1117/12.871402 (تم الاطلاع في 25 أكتوبر / تشرين الأول 2018).

Matys ، V. ، Fricke ، E. ، Geffers ، R. ، G & # x000F6ssling ، E. ، Haubrock ، M. ، Hehl ، R. ، et al. (2003). TRANSFAC: تنظيم النسخ ، من الأنماط إلى الملفات الشخصية. الدقة الأحماض النووية. 31، 374 & # x02013378. دوى: 10.1093 / nar / gkg108

McGillivray ، P. ، Clarke ، D. ، Meyerson ، W. ، Zhang ، J. ، Lee ، D. ، Gu ، M. ، et al. (2018). تحليل الشبكة كموحد كبير في علم البيانات الطبية الحيوية. Annu. القس بيوميد. علوم البيانات. 1 ، 153 & # x02013180. دوى: 10.1146 / annurev-biodatasci-080917-013444

ميلا ، م (2000). مقارنة التجميع. جامعة واشنطن.

ميريكو ، دي ، إيسرلين ، آر ، ستويكر ، أو. ، إميلي ، أ ، وبدر ، جي دي (2010). خريطة الإثراء: طريقة قائمة على الشبكة لتصور الإثراء الجيني وتفسيره. بلوس واحد 5: e13984. دوى: 10.1371 / journal.pone.0013984

مي ، هـ ، موروجانوجان ، أ ، كاساغراند ، ج.ت ، وتوماس ، بي دي (2013). تحليل وظائف الجينات على نطاق واسع باستخدام نظام تصنيف PANTHER. نات. بروتوك. 8 ، 1551 & # x020131566. دوى: 10.1038 / nprot.2013.092

مايكل ، إل إس (2017). تصميم 2. موصل حيوي. متاح على الإنترنت على: https://bioconductor.org/packages/DESeq2 (تم الاطلاع في 21 ديسمبر / كانون الأول 2019).

Milenkovi & # x00107، T.، Ng، W.L، Hayes، W.، and Pr & # x0017DUlj، N. (2010). محاذاة الشبكة المثلى مع متجهات درجة الرسم البياني. إعلام السرطان. 9: S4744. دوى: 10.4137 / CIN.S4744.001

ميلنر جولاند ، إي جيه (2012). التفاعلات بين السلوك البشري والأنظمة البيئية. فيلوس. عبر. R. Soc. لوند. ب بيول. علوم. 367 ، 270 & # x02013278. دوى: 10.1098 / rstb.2011.0175

ميلو ، ر. (2002). أشكال الشبكة: لبنات بناء بسيطة لشبكات معقدة. علم 298 ، 824 & # x02013827. دوى: 10.1126 / العلوم .298.5594.824

ميركين ، ب. (2001). إحدى عشرة طريقة للنظر إلى معامل كاي تربيع لجداول الطوارئ. أكون. ستات. 55 ، 111 & # x02013120. دوى: 10.1198 / 000313001750358428

موثا ، ف.ك ، ليندجرين ، سي م ، إريكسون ، ك.ف. ، سوبرامانيان ، أ ، سيهاج ، س ، ليهار ، ج ، وآخرون. (2003). يتم تقليل الجينات المستجيبة لـ PGC-1alpha المشاركة في الفسفرة المؤكسدة بشكل متناسق في مرض السكري البشري. نات. جينيه. 34 ، 267 & # x02013273. دوى: 10.1038 / ng1180

مورو ، واي. ، وترانشيفينت ، إل-سي. (2012). الأدوات الحسابية لتحديد أولويات الجينات المرشحة: تعزيز اكتشاف جينات المرض. نات. القس جينيه. 13 ، 523 و # x02013536. دوى: 10.1038 / nrg3253

موريس ، جي إتش ، أبيلتسين ، إل ، نيومان ، إيه إم ، بومباخ ، جي ، ويتكوب ، تي ، سو ، جي ، وآخرون. (2011). Clustermaker: مكون إضافي لتجميع الخوارزميات لـ cytoscape. BMC Bioinform. 12: 436. دوى: 10.1186 / 1471-2105-12-436

Moschopoulos، C.N، Pavlopoulos، G.A، Iacucci، E.، Aerts، J.، Likothanassis، S.، Schneider، R.، et al. (2011). ما هي خوارزمية التجميع الأفضل للتنبؤ بمجمعات البروتين؟ الدقة BMC. ملحوظات 4: 549. دوى: 10.1186 / 1756-0500-4-549

Moulos، P.، and Hatzis، P. (2015). التكامل المنهجي للخوارزميات الإحصائية RNA-Seq للكشف الدقيق عن أنماط التعبير الجيني التفاضلي. الدقة الأحماض النووية. 43: e25. دوى: 10.1093 / nar / gku1273

مرفار ، أ ، وباتاجيلي ، ف. (2016). تحليل وتصور الشبكات الكبيرة مع حزمة برنامج Pajek. شركات يتكيف. النظام. نموذج 4: 6. دوى: 10.1186 / s40294-016-0017-8

مودونوري ، يو ، تشي ، إيه ، يي ، إم ، وستيفنز ، آر إم (2009). bioDBnet: شبكة قاعدة البيانات البيولوجية. بيوينفورم. أوكسف. إنجل. 25 ، 555 & # x02013556. دوى: 10.1093 / المعلوماتية الحيوية / btn654

موراي روست ، بي ، رزيبا ، إتش إس ، ورايت ، إم (2001). تطوير لغة الترميز الكيميائية (CML) كنظام للتعامل مع المحتوى الكيميائي المعقد. N. J. Chem. 25 ، 618 & # x02013634. دوى: 10.1039 / b008780g

Navlakha، S.، and Kingsford، C. (2010). قوة شبكات تفاعل البروتين لربط الجينات بالأمراض. بيوينفورم. أوكسف. إنجل. 26 ، 1057 & # x020131063. دوى: 10.1093 / المعلوماتية الحيوية / btq076

نيدلمان ، إس بي ، وونش ، سي دي (1970). طريقة عامة تنطبق على البحث عن أوجه التشابه في تسلسل الأحماض الأمينية لبروتينين. جيه مول. بيول. 48 ، 443 & # x02013453. دوى: 10.1016 / 0022-2836 (70) 90057-4

نيومان ، إم إي جيه ، وجيرفان ، إم. (2004). إيجاد وتقييم هيكل المجتمع في الشبكات. فيز. القس إي 69: 026113. دوى: 10.1103 / PhysRevE.69.026113

Ni ، J. ، Koyuturk ، M. ، Tong ، H. ، Haines ، J. ، Xu ، R. ، and Zhang ، X. (2016). تحديد أولويات الجينات المرضية من خلال دمج الشبكات الجزيئية الخاصة بالأنسجة باستخدام نموذج قوي متعدد الشبكات. BMC Bioinform. 17: 453. دوى: 10.1186 / s12859-016-1317-x

نيكا ، أ.سي ، وديرميتساكيس ، إي ت. (2013). التعبير عن السمة الكمية مواضع: الحاضر والمستقبل. فيلوس. عبر. R. Soc. ب بيول. علوم. 368: 20120362. دوى: 10.1098 / rstb.2012.0362

O & # x00027Donoghue، S. I.، Gavin، A.-C، Gehlenborg، N.، Goodsell، D. S.، H & # x000E9rich & # x000E9، J.-K، Nielsen، C.B، et al. (2010). تصور البيانات البيولوجية الآن وفي المستقبل. نات. أساليب 7 ، S2 & # x02013S4. دوى: 10.1038 / nmeth.f.301

Pafilis ، E. ، Buttigieg ، P. L. ، Ferrell ، B. ، Pereira ، E. ، Schnetzer ، J. ، Arvanitidis ، C. ، et al. (2016). المستخلص: الاستخراج التفاعلي للبيانات الوصفية للبيئة واقتراح المصطلح لتعليق عينة الميتاجينوم. قاعدة البيانات J. Biol. قواعد البيانات Curat. 2016: baw005. دوى: 10.1093 / قاعدة البيانات / baw005

باركنسون ، هـ ، كابوشيسكي ، إم ، شوجاتالاب ، إم ، أبيغوناوردينا ، إن ، كولسون ، آر ، فارني ، إيه ، وآخرون. (2007). ArrayExpress & # x02013a قاعدة بيانات عامة لتجارب ميكروأري وملامح التعبير الجيني. الدقة الأحماض النووية. 35 ، D747 & # x02013D750. دوى: 10.1093 / nar / gkl995

Pavlopoulos، G.A، Hooper، S.D، Sifrim، A.، Schneider، R.، and Aerts، J. (2011b). ميدوسا: أداة لاستكشاف وتجميع الشبكات البيولوجية. الدقة BMC. ملحوظات 4: 384. دوى: 10.1186 / 1756-0500-4-384

Pavlopoulos، G.A، Iacucci، E.، Iliopoulos، I.، and Bagos، P. (2013). & # x0201C تفسير omics & # x02018era & # x00027 البيانات ، & # x0201D في خدمات الوسائط المتعددة في البيئات الذكية، محرران G. A. Tsihrintzis ، M. Virvou ، و L.C Jain (Heidelberg: Springer International Publishing) ، 79 & # x02013100. متاح على الإنترنت على: http://link.springer.com/10.1007/978-3-319-00375-7_6 (تم الوصول إليه في 13 يناير 2019).

Pavlopoulos، G. A.، Kontou، P. I.، Pavlopoulou، A.، Bouyioukos، C.، Markou، E.، and Bagos، P. G. (2018). الرسوم البيانية ثنائية الأجزاء في بيولوجيا الأنظمة والطب: مسح للأساليب والتطبيقات. GigaScience 7 ، 1 & # x0201331. دوى: 10.1093 / gigascience / giy014

Pavlopoulos، G.A، Malliarakis، D.، Papanikolaou، N.، Theodosiou، T.، Enright، A.J، and Iliopoulos، I. (2015). تصور بيولوجيا الجينوم والأنظمة: التقنيات والأدوات وتقنيات التنفيذ والاتجاهات ، الماضي والحاضر والمستقبل. GigaScience 4:38.دوى: 10.1186 / s13742-015-0077-2

Pavlopoulos، G.A، O & # x00027Donoghue، S.I، Satagopam، V.P، Soldatos، T.G، Pafilis، E.، and Schneider، R. (2008b). Arena3D: تصور الشبكات البيولوجية في صورة ثلاثية الأبعاد. نظام BMC. بيول. 2:104. دوى: 10.1186 / 1752-0509-2-104

بافلوبولوس ، جي إيه ، بايز إسبينو ، دي ، كيربيدس ، إن سي ، وإيليوبولوس ، آي (2017). مقارنة تجريبية لأدوات التصور لتحليل الشبكة على نطاق واسع. حال. بيوينفورما. 2017: 1278932. دوى: 10.1155 / 2017/1278932

Pavlopoulos، G.A، Promponas، V.J، Ouzounis، C.A، and Iliopoulos، I. (2014). استخراج المعلومات البيولوجية وتحليل التواجد المشترك. طرق مول. بيول. 1159 ، 77 & # x0201392. دوى: 10.1007 / 978-1-4939-0709-0_5

Pavlopoulos، G. A.، Secrier، M.، Moschopoulos، C.N، Soldatos، T.G، Kossida، S.، Aerts، J.، et al. (2011 أ). استخدام نظرية الرسم البياني لتحليل الشبكات البيولوجية. الحد الأدنى من البيانات الحيوية. 4:10. دوى: 10.1186 / 1756-0381-4-10

Pavlopoulos، G.A، Soldatos، T.G، Barbosa-Silva، A.، and Schneider، R. (2010). دليل مرجعي لتحليل الشجرة والتصور. الحد الأدنى من البيانات الحيوية. 3: 1. دوى: 10.1186 / 1756-0381-3-1

بافلوبولوس ، ج.أ ، فيجنر ، إيه- إل ، وشنايدر ، ر. (2008 أ). مسح لأدوات التصور لتحليل الشبكة البيولوجية. الحد الأدنى من البيانات الحيوية. 1:12. دوى: 10.1186 / 1756-0381-1-12

بيرسون ، دبليو آر (2000). البحث عن تشابه تسلسل مرن مع حزمة برنامج FASTA3. طرق مول. بيول. 132 ، 185 & # x02013219. دوى: 10.1385 / 1-59259-192-2: 185

بيكسوتو ، تي ب. (2017). مكتبة بايثون أداة الرسم البياني. فيغشير. متاح من: https://figshare.com/articles/graph_tool/1164194 (تم الوصول إليه في 19 ديسمبر 2019).

Peri ، S. ، Navarro ، J.D ، Amanchy ، R. ، Kristiansen ، T.Z. ، Jonnalagadda ، C.K ، Surendranath ، V. ، et al. (2003). تطوير قاعدة بيانات مرجعية للبروتين البشري كمنصة أولية لمقاربة بيولوجيا الأنظمة في البشر. الدقة الجينوم. 13 ، 2363 & # x020132371. دوى: 10.1101 / غرام .1680803

بيليش ، آر تي ، تشين ، جيه ، رينكوف ، ف ، ويلكر ، دي ، وبرات ، د. (2017). NDEx: مورد مجتمعي لمشاركة ونشر الشبكات البيولوجية. طرق مول. بيول. 1558 ، 271 & # x02013301. دوى: 10.1007 / 978-1-4939-6783-4_13

Platig ، J. ، Castaldi ، P. J. ، DeMeo ، D. ، and Quackenbush ، J. (2016). هيكل المجتمع الثنائي من eQTLs. بلوس كومبوت بيول. 12: e1005033. دوى: 10.1371 / journal.pcbi.1005033

Przulj، N.، Corneil، D.G، and Jurisica، I. (2004). تفاعل النمذجة: خالي من المقياس أم هندسي؟ بيوينفورم. أوكسف. إنجل. 20، 3508 & # x020133515. دوى: 10.1093 / المعلوماتية الحيوية / bth436

راند ، دبليو إم (1971). معايير موضوعية لتقييم طرق التجميع. جيه. ستات. مساعد. 66 ، 846 & # x02013850. دوى: 10.1080 / 01621459.1971.10482356

Rao ، V. S. ، Srinivas ، K. ، Sujini ، G.N ، and Kumar ، G.N.S (2014) اكتشاف تفاعل البروتين والبروتين: تحليل الطرق. كثافة العمليات J. البروتيوميات 2014: 1 & # x0201312. دوى: 10.1155 / 2014/147648

Raudvere، U.، Kolberg، L.، Kuzmin، I.، Arak، T.، Adler، P.، Peterson، H.، et al. (2019). g: ملف التعريف: خادم ويب لتحليل الإثراء الوظيفي وتحويلات قوائم الجينات (تحديث 2019). الدقة الأحماض النووية. 47 ، W191 & # x02013W198. دوى: 10.1093 / nar / gkz369

Reimand ، J. ، Iserlin ، R. ، Voisin ، V. ، Kucera ، M. ، Tannus-Lopes ، C. ، Rostamianfar ، A. ، et al. (2019). تحليل إثراء المسار وتصور بيانات omics باستخدام g: Profiler و GSEA و cytoscape وخريطة التخصيب. نات. بروتوك. 14 ، 482 & # x02013517. دوى: 10.1038 / s41596-018-0103-9

ريسيج ، و. (1985). بيتري نتس: مقدمة. برلين ، نيويورك: Springer-Verlag. 161 (دراسات EATCS حول علوم الكمبيوتر النظرية). دوى: 10.1007 / 978-3-642-69968-9

Rodchenkov، I.، Babur، O.، Luna، A.، Aksoy، B. A.، Wong، J.V، Fong، D.، et al. (2019). تحديث Pathway commons 2019: تكامل وتحليل واستكشاف بيانات المسار. الدقة الأحماض النووية. 48 ، D489 & # x02013D497. دوى: 10.1093 / nar / gkz946

رومانوك ، تي إن ، فوغت ، آر جيه ، يونغ ، إيه ، تاك ، سي ، وكارسكالين ، إم دبليو (2010). الحفاظ على العلاقات الإيجابية بين التنوع والاستقرار على طول منحدر من الإجهاد البيئي. بلوس واحد 5: e10378. دوى: 10.1371 / journal.pone.0010378

سابيدوسي ، ج. (1966). مركزية الرسم البياني. بسيكوميتريكا 31 ، 581 & # x02013603. دوى: 10.1007 / BF02289527

سايتو ، آر ، سموت ، إم إي ، أونو ، ك. ، روسشينسكي ، جيه ، وانج ، بي-إل ، لوتيا ، إس ، وآخرون. (2012). دليل السفر إلى الإضافات cytoscape. نات. أساليب 9 ، 1069 & # x020131076. دوى: 10.1038 / نميث .2212

سايتو ، ن ، وني ، إم (1987). طريقة الانضمام إلى الجار: طريقة جديدة لإعادة بناء أشجار النشوء والتطور. مول. بيول. Evol. 4 ، 406 & # x02013425.

إم سانتوليني ، وباراب & # x000E1si ، A.-L. (2018). التنبؤ بأنماط الاضطراب من طوبولوجيا الشبكات البيولوجية. بروك. ناتل. أكاد. علوم. الولايات المتحدة الأمريكية. 115 ، E6375 & # x02013E6383. دوى: 10.1073 / pnas.1720589115

ساتاجوبام ، ف.ب ، ثيودوروبولو ، إم سي ، ستامبولاكيس ، سي.ك. ، بافلوبولوس ، جي إيه ، باباندريو ، إن سي ، باجوس ، بي.جي ، وآخرون. (2010). GPCRs وبروتينات G والمؤثرات وتفاعلاتها: gpDB البشري ، قاعدة بيانات تستخدم أدوات التصور وتقنيات تكامل البيانات. قاعدة البيانات J. Biol. قواعد البيانات Curat. 2010: baq019. دوى: 10.1093 / قاعدة بيانات / baq019

Schreiber ، F. ، and Schw & # x000F6bbermeyer ، H. (2005). MAVisto: أداة لاستكشاف الزخارف الشبكية. بيوينفورم. أوكسف. إنجل. 21 ، 3572 & # x020133574. دوى: 10.1093 / المعلوماتية الحيوية / bti556

Secrier، M.، Pavlopoulos، G.A، Aerts، J.، and Schneider، R. (2012). Arena3D: تصور الفروق المظهرية المدفوعة بالوقت في النظم البيولوجية. BMC Bioinform. 13:45. دوى: 10.1186 / 1471-2105-13-45

شانون ، ب ، ماركيل ، أ ، أوزيير ، أو.باليجا ، إن إس ، وانج ، ج.ت ، راماج ، دي ، وآخرون. (2003). Cytoscape: بيئة برمجية للنماذج المتكاملة لشبكات التفاعل الجزيئي الحيوي. الدقة الجينوم. 13 ، 2498 & # x020132504. دوى: 10.1101 / غرام .1239303

شاران ، آر ، سوثرام ، إس ، كيلي ، آر إم ، كون ، تي ، ماكوين ، إس ، أويتز ، بي ، وآخرون. (2005). الأنماط المحفوظة لتفاعل البروتين في أنواع متعددة. بروك. ناتل. أكاد. علوم. الولايات المتحدة الأمريكية. 102 ، 1974 & # x020131979. دوى: 10.1073 / pnas.0409522102

شاران ، ر. ، أوليتسكي ، إ. ، وشامير ، ر. (2007). التنبؤ الشبكي لوظيفة البروتين. مول. النظام. بيول. 3:88. دوى: 10.1038 / msb4100129

شين أور ، س.س. ، ميلو ، ر. ، مانجان ، س. ، وألون ، يو. (2002). أشكال الشبكة في شبكة تنظيم النسخ الإشريكية القولونية. نات. جينيه. 31 ، 64 & # x0201368. دوى: 10.1038 / نغ 881

Siebourg-Polster، J.، Mudrak، D.، Emmenlauer، M.، R & # x000E4m & # x000F6.، P، Dehio، C.، Greber، U.، et al. (2015). NEMix: نماذج التأثيرات المتداخلة أحادية الخلية لتحفيز المسار الاحتمالي. PLoS Comput. بيول. 11: e1004078. دوى: 10.1371 / journal.pcbi.1004078

سلنتر ، دي إن ، كوتمون ، إم ، هانسبيرز ، ك. ، ريوتا ، إيه ، وندسور ، جيه ، نونيس ، إن ، وآخرون. (2018). WikiPathways: قاعدة بيانات مسارات متعددة الأوجه تربط المستقلبات بأبحاث omics الأخرى. الدقة الأحماض النووية. 46 ، D661 & # x02013D667. دوى: 10.1093 / nar / gkx1064

سميث ، تي إف ، وواترمان ، إم إس (1981). تحديد المتتالية والجزيئية المشتركة. جيه مول. بيول. 147 ، 195 & # x02013197. دوى: 10.1016 / 0022-2836 (81) 90087-5

سمولا ، أ.ج. ، وكوندور ، ر. (2003). & # x0201CKernels والتسوية على الرسوم البيانية ، & # x0201D في نظرية التعلم وآلات النواة، محرران B. Sch & # x000F6lkopf و M. K. Warmuth (برلين: Springer Berlin Heidelberg) ، 144 & # x02013158. متاح على الإنترنت على: http://link.springer.com/10.1007/978-3-540-45167-9_12 (تم الوصول إليه في 17 ديسمبر 2019).

سومر ، ب. (2019). أدوات CELLmicrocosmos: تاريخ صغير لتطوير البرمجيات مفتوحة المصدر للخلية والغشاء المستندة إلى جافا. J. Integr. بيوينفورم. 16: 20190057. دوى: 10.1515 / jib-2019-0057

Sonawane، A.R، Weiss، S. T.، Glass، K.، and Sharma، A. (2019). الطب الشبكي في عصر البيانات الطبية الحيوية الضخمة. أمام. جينيه. 10:294. دوى: 10.3389 / fgene.2019.00294

Spirin ، V. ، and Mirny ، L.A (2003). بروتين المجمعات والوحدات الوظيفية في الشبكات الجزيئية. بروك. ناتل. أكاد. علوم. الولايات المتحدة الأمريكية. 100 و 12123 و # x0201312128. دوى: 10.1073 / pnas.2032324100

ستارك ، سي ، بريتكروتز ، بي- جي ، ريجولي ، تي ، باوتشر ، إل ، بريتكروتز ، أ ، وتايرز ، إم (2006). BioGRID: مستودع عام لمجموعات بيانات التفاعل. الدقة الأحماض النووية. 34 ، D535 & # x02013D539. دوى: 10.1093 / nar / gkj109

ستون ، إل ، سيمبرلوف ، دي ، وأرتزي راندروب ، واي (2019). الزخارف الشبكية وأصولها. PLoS Comput. بيول. 15: e1006749. دوى: 10.1371 / journal.pcbi.1006749

سوبرامانيان ، إيه ، تامايو ، بي ، موثا ، ف.ك ، موخيرجي ، إس ، إيبرت ، بي إل ، جيليت ، إم إيه ، وآخرون. (2005). تحليل تخصيب مجموعة الجينات: نهج قائم على المعرفة لتفسير ملامح التعبير على مستوى الجينوم. بروك. ناتل. أكاد. علوم. الولايات المتحدة الأمريكية. 102، 15545 & # x0201315550. دوى: 10.1073 / pnas.0506580102

Szklarczyk، D.، and Jensen، L.J (2015). & # x0201C قواعد بيانات تفاعل البروتين والبروتين ، & # x0201D في تفاعلات البروتين والبروتين، محرران سي إل ميركورد وإتش فو (نيويورك ، نيويورك: سبرينغر نيويورك) ، 39 & # x0201356.

Szklarczyk، D.، Santos، A.، von Mering، C.، Jensen، L.J، Bork، P.، and Kuhn، M. (2016). الخطوة 5: زيادة شبكات التفاعل الكيميائي البروتيني مع بيانات الأنسجة والألفة. الدقة الأحماض النووية. 44 ، D380 & # x02013D384. دوى: 10.1093 / nar / gkv1277

ثيوكاريديس ، أ ، فان دونجن ، إس ، إنرايت ، إيه جيه ، وفريمان ، تي سي (2009). تصور الشبكة وتحليل بيانات التعبير الجيني باستخدام biolayout Express (3D). نات. بروتوك. 4، 1535 & # x020131550. دوى: 10.1038 / nprot.2009.177

ثيودوسيو ، تي ، إفستاتيو ، جي ، بابانيكولاو ، إن ، كيربيديس ، إن سي ، باجوس ، بي.جي ، إليوبولوس ، آي ، وآخرون. (2017). NAP: ملف تعريف تحليل الشبكة ، أداة ويب لتحليل طوبولوجي أسهل ومقارنة الشبكات البيولوجية متوسطة الحجم. الدقة BMC. ملحوظات 10:278. دوى: 10.1186 / s13104-017-2607-8

Thimm، O.، Bl & # x000E4sing، O.، Gibon، Y.، Nagel، A.، Meyer، S.، Kr & # x000FCger، P.، et al. (2004). MAPMAN: أداة يحركها المستخدم لعرض مجموعات بيانات الجينوم على الرسوم البيانية لمسارات التمثيل الغذائي والعمليات البيولوجية الأخرى. مصنع J. خلية مول. بيول. 37 ، 914 & # x02013939. دوى: 10.1111 / j.1365-313X.2004.02016.x

توماس ، آر ، وبورتييه ، سي جيه (2013). شبكات التعبير الجيني. طرق مول. بيول. 930 ، 165 & # x02013178. دوى: 10.1007 / 978-1-62703-059-5_7

تيان ، دبليو ، وساماتوفا ، إن إف (2008). & # x0201C محاذاة عادلة لشبكات التفاعل من خلال التحديد السريع للأنماط المحفوظة القصوى ، & # x0201D في الحوسبة الحيوية 2009 (Kohala Coast، HI: World Scientific)، 99 & # x02013110. متاح على الإنترنت على: http://www.worldscientific.com/doi/abs/10.1142/9789812836939_0010 (تم الوصول إليه في 16 ديسمبر 2019).

تيبني ، هـ ، وهنتر ، إل (2010). مقدمة عن الاستخدام الفعال لبرامج تحليل التخصيب. همم. علم الجينوم 4 ، 202 & # x02013206. دوى: 10.1186 / 1479-7364-4-3-202

Torres، J.M، Gamazon، E.R، Parra، E.J، below، J.E، Valladares-Salgado، A.، Wacher، N.، et al. (2014). eQTLs الخاصة بالأنسجة المتقاطعة والأنسجة: تقسيم وراثة سمة معقدة. أكون. جيه هوم. جينيه. 95 ، 521 & # x02013534. دوى: 10.1016 / j.ajhg.2014.10.001

توفيك ، إف ، جرينلي ، إم إتش دبليو ، وهونافار ، ف. (2009). & # x0201C محاذاة الشبكات الجزيئية الحيوية باستخدام نواة الرسم البياني المعياري ، & # x0201D في الخوارزميات في المعلوماتية الحيوية، محرران S.L. Salzberg و T. Warnow (برلين: Springer Berlin Heidelberg) ، 345 & # x02013361. متاح على الإنترنت على: http://link.springer.com/10.1007/978-3-642-04241-6_29 (تم الوصول إليه في 11 ديسمبر 2019).

تريباثي ، ك.ب ، إيفانجليستا ، د. ، زوكارو ، أ ، وجواراسينو ، إم.ر. (2015). الناسخ: خط أنابيب حسابي آلي لتعليق القراءات المجمعة وتحديد الحمض النووي الريبي غير المشفر. بلوس واحد 10: e0140268. دوى: 10.1371 / journal.pone.0140268

Ulgen، E.، Ozisik، O.، and Sezerman، O. U. (2019). pathfindR: حزمة R للتعريف الشامل للمسارات الغنية في بيانات omics من خلال الشبكات الفرعية النشطة. أمام. جينيه. 10: 858. دوى: 10.3389 / fgene.2019.00858

أولريش ، إل إي ، وجولين ، آي بي (2007). MiST: قاعدة بيانات نقل الإشارات الميكروبية. الدقة الأحماض النووية. 35 ، D386 & # x02013D390. دوى: 10.1093 / nar / gkl932

V & # x000E1zquez، A.، Dobrin، R.، Sergi، D.، Eckmann، J.-P.، Oltvai، Z.N، and Barab & # x000E1si، A.-L. (2004). العلاقة الطوبولوجية بين السمات واسعة النطاق وأنماط التفاعل المحلية للشبكات المعقدة. بروك. ناتل. أكاد. علوم. الولايات المتحدة الأمريكية. 101 ، 17940 & # x0201317945. دوى: 10.1073 / pnas.0406024101

واجنر ، س ، وفاجنر ، د. (2007). مقارنة المجموعات - نظرة عامة. كارلسروه. متاح على الإنترنت على: https://publikationen.bibliothek.kit.edu/1000011477 (تم الوصول إليه في 24 يوليو 2019).

واتس دي جيه وستروغاتز إس إتش (1998). الديناميكيات الجماعية لشبكات & # x0201Csmall-world & # x0201D. طبيعة سجية 393 ، 440 & # x02013442. دوى: 10.1038 / 30918

Wernicke ، S. ، and Rasche ، F. (2006). FANMOD: أداة لاكتشاف عزر الشبكة بسرعة. بيوينفورم. أوكسف. إنجل. 22 ، 1152 & # x020131153. دوى: 10.1093 / المعلوماتية الحيوية / btl038

Xenarios، I.، Rice، D.W، Salwinski، L.، Baron، M.K، Marcotte، E.M، and Eisenberg، D. (2000). DIP: قاعدة بيانات البروتينات المتفاعلة. الدقة الأحماض النووية. 28 ، 289 & # x02013291. دوى: 10.1093 / nar / 28.1.289.00

Xu، R.، and Wunsch، D II .. (2005). مسح الخوارزميات العنقودية. IEEE Trans. نتو العصبية. 16 ، 645 & # x02013678. دوى: 10.1109 / TNN.2005.845141

يانغ ، زد (1996). التحليل الوراثي باستخدام طرق البخل والاحتمالية. جيه مول. Evol. 42 ، 294 & # x02013307. دوى: 10.1007 / BF02198856

يفشين ، آي ، شاريبوف ، ر. ، كولميكوف ، س. ، كوندراخين ، واي. ، وكولباكوف ، إف (2019). GTRD: قاعدة بيانات حول تنظيم النسخ الجيني - تحديث 2019. الدقة الأحماض النووية. 47 ، D100 & # x02013D105. دوى: 10.1093 / nar / gky1128

Yook، S.-H.، Oltvai، Z.N، and Barab & # x000E1si، A.-L. (2004). التوصيف الوظيفي والطوبولوجي لشبكات تفاعل البروتين. البروتيوميات 4 ، 928 & # x02013942. دوى: 10.1002 / pmic.200300636

Yue ، X. ، Wang ، Z. ، Huang ، J. ، Parthasarathy ، S. ، Moosavinasab ، S. ، Huang ، Y. ، et al. (2019). تضمين الرسم البياني في الشبكات الطبية الحيوية: الأساليب والتطبيقات والتقييمات. كوين إل إد. بيوينفورم. btz718. دوى: 10.1093 / المعلوماتية الحيوية / btz718

Zampelli، S.، Deville، Y.، and Solnon، C. (2010). حل مشاكل تشابه الرسم البياني الفرعي مع برمجة القيد. القيود 15 ، 327 & # x02013353. دوى: 10.1007 / s10601-009-9074-3

Zhang، H.، Liang، Y.، Han، S.، Peng، C.، and Li، Y. (2019). تفاعلات الحمض النووي الريبي الطويلة غير المشفرة والبروتين: من النتائج التجريبية إلى النماذج الحسابية القائمة على طرق الشبكة. كثافة العمليات جيه مول. علوم. 20: 1284. دوى: 10.3390 / ijms20061284

تشو ، سي (2016). مسح لطرق تجميع الحواف لتصور الرسم البياني.

Zhou ، H. ، Panpan ، X.u ، Yuan ، X. ، and Qu ، H. (2013). تجميع الحافة في تصور المعلومات. تسينغهوا. علوم. تكنول. 18 ، 145 & # x02013156. دوى: 10.1109 / TST.2013.6509098

الكلمات المفتاحية: الشبكات البيولوجية ، الطوبولوجيا ، نظرية الرسم البياني ، التصور ، التجميع

الاقتباس: Koutrouli M و Karatzas E و Paez-Espino D و Pavlopoulos GA (2020) دليل لقهر عصر الشبكة البيولوجية باستخدام نظرية الرسم البياني. أمام. بيونج. التكنولوجيا الحيوية. 8:34. دوى: 10.3389 / fbioe.2020.00034

تم الاستلام: 11 أكتوبر 2019 القبول: 15 يناير 2020
تاريخ النشر: 31 يناير 2020.

ألفريدو بولفيرينتي ، جامعة كاتانيا ، إيطاليا

فينسينزو بونيسي ، جامعة فيرونا ، إيطاليا
باري ديمشاك ، جامعة كاليفورنيا ، سان دييغو ، الولايات المتحدة

حقوق النشر & # x000A9 2020 Koutrouli و Karatzas و Paez-Espino و Pavlopoulos. هذا مقال مفتوح الوصول يتم توزيعه بموجب شروط ترخيص Creative Commons Attribution License (CC BY). يُسمح بالاستخدام أو التوزيع أو الاستنساخ في منتديات أخرى ، بشرط أن يُنسب الفضل إلى المؤلف (المؤلفين) الأصليين ومالك (مالكي) حقوق الطبع والنشر وأن يتم الاستشهاد بالمنشور الأصلي في هذه المجلة ، وفقًا للممارسات الأكاديمية المقبولة. لا يُسمح بأي استخدام أو توزيع أو إعادة إنتاج لا يتوافق مع هذه الشروط.


شاهد الفيديو: الدرس 3:المعنى البيولوجي للهضم علوم الطبيعة و الحياة السنة الرابعة متوسط للجيل الثاني (قد 2022).