کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
8408430 1545070 2017 8 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Meta-analysis of Liver and Heart Transcriptomic Data for Functional Annotation Transfer in Mammalian Orthologs
ترجمه فارسی عنوان
متاآنالیز داده های ترانسکتسومیک کبد و قلب برای انتقال علامت گذاری عملکردی در متخصصان پستانداران
ترجمه چکیده
انتقال حاشیه نویسی کاربردی در بین ارتوپد های خانواده چند خانواده می تواند منجر به ناسازگاری های عملکردی شود. ما فرض کردیم که شبکه همکاری بیان کمک خواهد کرد که ارتوپلاسم های عملکردی در میان خانواده های ژن های همولوگ ژن های پیچیده را پیش بینی کند. برای کشف استفاده از داده های تکرار پنهان موجود در حوزه عمومی برای شناسایی عملکرد معکوس از همه متخصصان پیش بینی شده، ما داده های بیان ژنوم گسترده را در کبد موش و موش از بیش از 1500 آزمایش با درمان های متنوع جمع آوری کردیم. ما از روش خوشه بندی فوق العاده گرافی برای تشخیص خوشه های ژن های ارتوپلاسم هم بیان شده در هر دو موش و موش استفاده می شود. ما این خوشه ها را با تجزیه و تحلیل پروفایل های بیان در هر گونه گونه به طور جداگانه تأیید کردیم و نشان دادیم که همپوشانی زیادی وجود دارد. پس از آن ما در ژنهای 18 گروه همولوگ با روابط یک به چند یا بسیاری از روابط بین دو گونه تمرکز کردیم تا بین متخصصین معادل و معادل غیرمعمول تفاوت قائل شویم. در نهایت، روش ما با جمع آوری داده های قلب ترانسکتیکومیکی (بیش از 1400 آزمایش) در موش و موش، برای تایید روش در یک بافت مستقل، مورد استفاده قرار گرفت.
موضوعات مرتبط
علوم زیستی و بیوفناوری بیوشیمی، ژنتیک و زیست شناسی مولکولی بیوتکنولوژی یا زیست‌فناوری
چکیده انگلیسی
Functional annotation transfer across multi-gene family orthologs can lead to functional misannotations. We hypothesised that co-expression network will help predict functional orthologs amongst complex homologous gene families. To explore the use of transcriptomic data available in public domain to identify functionally equivalent ones from all predicted orthologs, we collected genome wide expression data in mouse and rat liver from over 1500 experiments with varied treatments. We used a hyper-graph clustering method to identify clusters of orthologous genes co-expressed in both mouse and rat. We validated these clusters by analysing expression profiles in each species separately, and demonstrating a high overlap. We then focused on genes in 18 homology groups with one-to-many or many-to-many relationships between two species, to discriminate between functionally equivalent and non-equivalent orthologs. Finally, we further applied our method by collecting heart transcriptomic data (over 1400 experiments) in rat and mouse to validate the method in an independent tissue.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Computational and Structural Biotechnology Journal - Volume 15, 2017, Pages 425-432
نویسندگان
, , , ,