GSEL: a fast, flexible python package for detecting signatures of diverse evolutionary forces on genomic regions.
GSEL: a fast, flexible python package for detecting signatures of diverse evolutionary forces on genomic regions.
复制标题
GSEL：一种快速，灵活的Python包装，用于检测基因组区域上各种进化力的特征。
DOI：
10.1093/bioinformatics/btad037
复制
发表时间：
2023-01-01
期刊：
影响因子：
--
通讯作者：
中科院分区：
文献类型：
--
作者：
GSEL是一个计算框架，用于计算一组基因组区域中不同进化力量的签名的富集。GSEL可以灵活地整合任何基于序列的进化指标，并分析通过全基因组测定（例如GWAS，eQTL，*-seq）鉴定的人类基因组区域集。GSEL方法的核心是根据感兴趣区域的等位基因频率和连锁不平衡结构生成经验零分布。我们说明了GSEL的应用程序，从GWAS的身体质量指数，一个高度多基因性状的变体。GSEL是一个快速，灵活和用户友好的Python包。可在www.example.com上获得演示数据。 补充数据可在Bioinformatics在线获得。
GSEL is a computational framework for calculating the enrichment of signatures of diverse evolutionary forces in a set of genomic regions. GSEL can flexibly integrate any sequence-based evolutionary metric and analyze sets of human genomic regions identified by genome-wide assays (e.g. GWAS, eQTL, *-seq). The core of GSEL’s approach is the generation of empirical null distributions tailored to the allele frequency and linkage disequilibrium structure of the regions of interest. We illustrate the application of GSEL to variants identified from a GWAS of body mass index, a highly polygenic trait. GSEL is implemented as a fast, flexible and user-friendly python package. It is available with demonstration data at https://github.com/abraham-abin13/gsel_vec. Supplementary data are available at Bioinformatics online.
登录
查看更多内容
通过适应本地来进行全球：对最近的人类适应的评论。
DOI：
10.1126/science.aaf5098
发表时间：
2016-10-07
期刊：
Science (New York, N.Y.)
影响因子：
--
作者：
Fan S;Hansen ME;Lo Y;Tishkoff SA
通讯作者：
Tishkoff SA
影响因子：
9.2
作者：
Chang CC;Chow CC;Tellier LC;Vattikuti S;Purcell SM;Lee JJ
通讯作者：
Lee JJ
影响因子：
30.8
作者：
Loh, Po-Ru;Tucker, George;Bulik-Sullivan, Brendan K.;Vilhjalmsson, Bjarni J.;Finucane, Hilary K.;Salem, Rany M.;Chasman, Daniel I.;Ridker, Paul M.;Neale, Benjamin M.;Berger, Bonnie;Patterson, Nick;Price, Alkes L.
通讯作者：
Price, Alkes L.
DOI：
10.1038/s41576-020-00305-9
发表时间：
2021-05
期刊：
Nature reviews. Genetics
影响因子：
--
作者：
Benton ML;Abraham A;LaBella AL;Abbot P;Rokas A;Capra JA
通讯作者：
Capra JA
影响因子：
16.6
作者：
Loos RJF
通讯作者：
Loos RJF