AEGS: identifying aberrantly expressed gene sets for differential variability analysis.
AEGS: identifying aberrantly expressed gene sets for differential variability analysis.
复制标题
AEGS：识别异常表达的基因集以进行差异变异性分析
DOI：
10.1093/bioinformatics/btx646
复制
发表时间：
2018-03-01
期刊：
影响因子：
--
通讯作者：
Ji G
中科院分区：
文献类型：
--
作者：
Guan J;Chen M;Ye C;Cai JJ;Ji G
动机在基因表达研究中，差异表达(DE)分析已被广泛用于识别组间表达均值发生变化的基因。近年来，差异变异性(DV)分析得到了越来越多的应用，因为分析群体间表达变化的变异性(例如，表达变异性的变化)可以揭示潜在的遗传异质性和未被检测到的相互作用，这在生物学的许多领域都具有重要的意义。需要一种易于使用的DV分析工具。结果我们建立了用于DV分析的AEGS，以识别疾病患者中异常表达的基因集，而不是在对照中。AEGS可以根据每个基因对总异常表达程度的相对贡献，对异常表达基因集中的单个基因进行排序，优先选择顶级基因。AEGS可用于发现具有疾病特异性表达变异性变化的基因集。可用性和实施AEGS网络服务器可在http://bmi.xmu.edu.cn:8003/AEGS，上访问，在那里还可以下载独立的AEGS应用程序。联系glji@xmu.edu.cn
Motivation In gene expression studies, differential expression (DE) analysis has been widely used to identify genes with shifted expression mean between groups. Recently, differential variability (DV) analysis has been increasingly applied as analyzing changed expression variability (e.g. the changes in expression variance) between groups may reveal underlying genetic heterogeneity and undetected interactions, which has great implications in many fields of biology. An easy‐to‐use tool for DV analysis is needed. Results We develop AEGS for DV analysis, to identify aberrantly expressed gene sets in diseased cases but not in controls. AEGS can rank individual genes in an aberrantly expressed gene set by each gene's relative contribution to the total degree of aberrant expression, prioritizing top genes. AEGS can be used for discovering gene sets with disease‐specific expression variability changes. Availability and implementation AEGS web server is accessible at http://bmi.xmu.edu.cn:8003/AEGS, where a stand‐alone AEGS application can also be downloaded. Contact glji@xmu.edu.cn
登录
查看更多内容
影响因子：
5.8
作者：
Liberzon, Arthur;Subramanian, Aravind;Mesirov, Jill P.
通讯作者：
Mesirov, Jill P.
利用自闭症异常 mRNA 表达进行基因发现和诊断
影响因子：
5.3
作者：
Guan, Jinting;Yang, Ence;Cai, James J.
通讯作者：
Cai, James J.
影响因子：
4.5
作者：
Zeng Y;Wang G;Yang E;Ji G;Brinkmeyer-Langford CL;Cai JJ
通讯作者：
Cai JJ
影响因子：
2.5
作者：
Rousseeuw, PJ;Van Driessen, K
通讯作者：
Van Driessen, K