Genecentric: a package to uncover graph-theoretic structure in high-throughput epistasis data.
Genecentric: a package to uncover graph-theoretic structure in high-throughput epistasis data.
复制标题
DOI：
10.1186/1471-2105-14-23
复制
发表时间：
2013-01-18
影响因子：
3
通讯作者：
Hescott BJ
中科院分区：
文献类型：
--
作者：
Gallant A;Leiserson MD;Kachalov M;Cowen LJ;Hescott BJ
新技术已经实现了酵母和其他模式生物中成对遗传相互作用的高通量筛选。对于非必需基因集合中的每一对，获得上位性分数，表示双敲除生物体与单敲除成分的患病程度相比，会患病多少（或更健康）。最近的算法工作已经确定了这些数据中的图论模式，这些模式可以指示功能模块，甚至可能出现在补偿途径中的基因组，例如 Kelley 和 Ideker 首次引入的 BPM 型模式。然而，迄今为止，任何用于在数据中查找此类模式的算法都是在内部实现的，没有公开提供任何软件。 Genecentric 是一个新的包，它实现了 Leiserson 等人的并行版本。算法（J Comput Biol 18:1399-1409, 2011）用于从高通量遗传相互作用数据生成广义 BPM。给定一组双敲除的加权上位值矩阵，Genecentric 返回可能代表补偿途径的广义 BPM 列表。 Genecentric 还有一个扩展 GenecentricGO，用于查询 FuncAssociate (Bioinformatics 25:3043-3044, 2009)，以检索生成的 BPM 上的 GO 富集统计信息。 Python 是唯一的依赖项，我们的网站提供了工作示例和文档。我们发现 Genecentric 可用于从高通量遗传相互作用数据中找到连贯的功能性基因集，或许还有补偿性基因集。 Genecentric 可根据 GPLv2 从 http://bcb.cs.tufts.edu/genecentric 免费下载。
New technology has resulted in high-throughput screens for pairwise genetic interactions in yeast and other model organisms. For each pair in a collection of non-essential genes, an epistasis score is obtained, representing how much sicker (or healthier) the double-knockout organism will be compared to what would be expected from the sickness of the component single knockouts. Recent algorithmic work has identified graph-theoretic patterns in this data that can indicate functional modules, and even sets of genes that may occur in compensatory pathways, such as a BPM-type schema first introduced by Kelley and Ideker. However, to date, any algorithms for finding such patterns in the data were implemented internally, with no software being made publically available. Genecentric is a new package that implements a parallelized version of the Leiserson et al. algorithm (J Comput Biol 18:1399-1409, 2011) for generating generalized BPMs from high-throughput genetic interaction data. Given a matrix of weighted epistasis values for a set of double knock-outs, Genecentric returns a list of generalized BPMs that may represent compensatory pathways. Genecentric also has an extension, GenecentricGO, to query FuncAssociate (Bioinformatics 25:3043-3044, 2009) to retrieve GO enrichment statistics on generated BPMs. Python is the only dependency, and our web site provides working examples and documentation. We find that Genecentric can be used to find coherent functional and perhaps compensatory gene sets from high throughput genetic interaction data. Genecentric is made freely available for download under the GPLv2 from http://bcb.cs.tufts.edu/genecentric.
登录
查看更多内容
影响因子：
3.7
作者：
Ma X;Tarone AM;Li W
通讯作者：
Li W
影响因子：
1.7
作者：
Hescott, B. J.;Leiserson, M. D. M.;Slonim, D. K.
通讯作者：
Slonim, D. K.
影响因子：
1.7
作者：
Kelley, David R.;Kingsford, Carl
通讯作者：
Kingsford, Carl
影响因子：
9.2
作者：
Panic, B;Whyte, JRC;Munro, S
通讯作者：
Munro, S
影响因子：
4.3
作者：
Bandyopadhyay S;Kelley R;Krogan NJ;Ideker T
通讯作者：
Ideker T