Comparing statistical methods for constructing large scale gene networks.
Comparing statistical methods for constructing large scale gene networks.
复制标题
DOI：
10.1371/journal.pone.0029348
复制
发表时间：
2012
期刊：
影响因子：
3.7
通讯作者：
Xiao G
中科院分区：
文献类型：
--
作者：
Allen JD;Xie Y;Chen M;Girard L;Xiao G
基因调控网络（GRN）揭示了基因间的调控关系，可以为生物学过程的分子机制提供系统的理解。计算机模拟在理解细胞过程中的重要性现在被广泛接受;已经开发了各种算法来研究这些生物网络。本研究的目的是提供一个全面的评价和实践指南，以帮助选择统计方法构建大规模GRNs。通过仿真研究和真实的应用，在E。大肠杆菌的数据，我们比较了不同的方法在识别真正的连接和枢纽基因，易用性和计算速度方面的灵敏度和特异性。我们的研究结果表明，这些算法表现相当不错，每种方法都有自己的优势：（1）GeneNet，WGCNA（加权相关网络分析）和ARACNE（精确细胞网络重建算法）在构建全局网络结构方面表现良好;（2）GeneNet和SPACE（稀疏相关估计）在识别具有高特异性的少数连接方面表现良好。
The gene regulatory network (GRN) reveals the regulatory relationships among genes and can provide a systematic understanding of molecular mechanisms underlying biological processes. The importance of computer simulations in understanding cellular processes is now widely accepted; a variety of algorithms have been developed to study these biological networks. The goal of this study is to provide a comprehensive evaluation and a practical guide to aid in choosing statistical methods for constructing large scale GRNs. Using both simulation studies and a real application in E. coli data, we compare different methods in terms of sensitivity and specificity in identifying the true connections and the hub genes, the ease of use, and computational speed. Our results show that these algorithms performed reasonably well, and each method has its own advantages: (1) GeneNet, WGCNA (Weighted Correlation Network Analysis), and ARACNE (Algorithm for the Reconstruction of Accurate Cellular Networks) performed well in constructing the global network structure; (2) GeneNet and SPACE (Sparse PArtial Correlation Estimation) performed well in identifying a few connections with high specificity.
登录
查看更多内容
WGCNA：用于加权相关网络分析的 R 包。
影响因子：
3
作者：
Langfelder P;Horvath S
通讯作者：
Horvath S
影响因子：
14.9
作者：
Faith JJ;Driscoll ME;Fusaro VA;Cosgrove EJ;Hayete B;Juhn FS;Schneider SJ;Gardner TS
通讯作者：
Gardner TS
DOI：
10.1007/978-1-59745-243-4_12
发表时间：
2009
期刊：
Methods in molecular biology (Clifton, N.J.)
影响因子：
--
作者：
Li, Huai;Sun, Yu;Zhan, Ming
通讯作者：
Zhan, Ming
影响因子：
4.3
作者：
Nibbe RK;Koyutürk M;Chance MR
通讯作者：
Chance MR
影响因子：
5.8
作者：
Husmeier, D
通讯作者：
Husmeier, D