NeuralCipher Araştırma özeti
Kaynak özetin Türkçe makine çevirisi. Klinik kullanım öncesinde özgün yayınla karşılaştırılmalı; hekim incelemesi değildir. cc by
Diferansiyel gen veya protein ekspresyonunu gösteren henüz bilinmeyen alt grupların tespiti, modern moleküler verilerin analizinde sık sık hedeftir. Uygulamalar, gelişimsel biyolojiden toksikolojiye kadar kanser biyolojisinden değişir. Genellikle bir kontrol ve deneysel bir grup karşılaştırılır ve alt gruplar sadece bir alt gruba özgü gen veya protein seti için diferansiyel ifade ile karakterize edilebilir. Bu tür genleri ve karşılık gelen hasta alt gruplarını bulmak, patolojik yolları anlamaya, ilaç hedeflerini teşhis etmeye ve tanımlamaya yardımcı olabilir. Alt grubun boyutu ve diferansiyel ifadenin türü, alt grup tanımlaması için en uygun stratejiyi belirler. Bugüne kadar, yaygın olarak kullanılan yazılım paketleri, bu tür alt grupların tespiti için istatistiksel testler ve yöntemler sunmamaktadır. Alt grup tespiti için farklı tek değişkenli yöntemler hem simüle edilmiş hem de gerçek verilerde karakterize edilir ve karşılaştırılır. Simülasyon çalışmaları için gelişmiş bir tasarım sunuyoruz: Veriler alt grubun ifadesi için farklı dağıtım varsayımları altında simüle edilir ve performans sonuçları teorik üst sınırlarla karşılaştırılır. Her dağılım için, gözlemlerin çoğunluğundan farklı sapma dereceleri alt grup için dikkate alınır. Klasik yaklaşımların yanı sıra omiks verileri bağlamındaki çeşitli yeni önerileri de değerlendiririz, bunlar arasında daha açık toplam, PADGE ve kurtoz da vardır. Ayrıca yeni FisherSum skorunu da teklif ediyoruz. ROC eğri analizi ve AUC değerleri, yöntemlerin genler veya proteinler arasında belirli alt grup desenleri ile ve olmadan ayırt etme yeteneğini ölçmek için kullanılır. Genel olarak, küçük alt gruplar için FisherSum ve büyük alt gruplar için t-testi en iyi sonuçları elde eder. Her yöntemi Parkinson hastalığı üzerine bir vaka kontrol çalışmasına uyguluyoruz ve yeni yöntemin biyolojik yararını vurguluyoruz.
Özgün kaynak özetini okuyun
Detection of yet unknown subgroups showing differential gene or protein expression is a frequent goal in the analysis of modern molecular data. Applications range from cancer biology over developmental biology to toxicology. Often a control and an experimental group are compared, and subgroups can be characterized by differential expression for only a subgroup-specific set of genes or proteins. Finding such genes and corresponding patient subgroups can help in understanding pathological pathways, diagnosis and defining drug targets. The size of the subgroup and the type of differential expression determine the optimal strategy for subgroup identification. To date, commonly used software packages hardly provide statistical tests and methods for the detection of such subgroups. Different univariate methods for subgroup detection are characterized and compared, both on simulated and on real data. We present an advanced design for simulation studies: Data is simulated under different distributional assumptions for the expression of the subgroup, and performance results are compared against theoretical upper bounds. For each distribution, different degrees of deviation from the majority of observations are considered for the subgroup. We evaluate classical approaches as well as various new suggestions in the context of omics data, including outlier sum, PADGE, and kurtosis. We also propose the new FisherSum score. ROC curve analysis and AUC values are used to quantify the ability of the methods to distinguish between genes or proteins with and without certain subgroup patterns. In general, FisherSum for small subgroups and t-test for large subgroups achieve best results. We apply each method to a case-control study on Parkinson's disease and underline the biological benefit of the new method.
Bilimsel değerlendirme
Araştırma sorusu
Sorunun kapsamı orijinal çalışma üzerinden değerlendirilir.
Yöntem ve örneklem
Çalışma tasarımı ve örneklem için kaynak makaleyi kontrol edin.
Temel bulgular
Bu kayıt için editoryal olarak onaylanmış bulgu özeti henüz yayımlanmadı.
Sınırlılıklar
Sonuçların genellenebilirliği, yanlılık ve klinik anlamı ayrıca incelenmelidir.
Bibliyografik veriden yöntem, örneklem veya klinik sonuç çıkarımı yapılmaz.