KOBAS 2.0: a web server for annotation and identification of enriched pathways and diseases.
KOBAS 2.0: a web server for annotation and identification of enriched pathways and diseases.
复制标题
DOI：
10.1093/nar/gkr483
复制
发表时间：
2011-07
影响因子：
14.9
通讯作者：
Wei L
中科院分区：
文献类型：
--
作者：
Xie C;Mao X;Huang J;Ding Y;Wu J;Dong S;Kong L;Gao G;Li CY;Wei L
高通量实验技术通常可以识别数十到数百个与生物或病理过程相关或发生变化的基因。从这些基因中，人们希望确定可能涉及的生物学途径和可能涉及的疾病。在这里，我们报告了一个Web服务器，KOBAS 2.0，它注释了一组输入的基因与假定的途径和疾病的关系的基础上映射到基因与已知的注释。它允许ID映射和跨物种序列相似性映射。然后，它进行统计测试，以确定统计上显着丰富的途径和疾病。KOBAS 2.0整合了来自5个途径数据库（KEGG PATHWAY、PID、BioCyc、Reactome和Panther）和5个人类疾病数据库（OMIM、KEGG DISEASE、FunDO、GAD和NHGRI GWAS Catalog）的1327个物种的知识。KOBAS 2.0可以在http://kobas.cbi.pku.edu.cn上访问。
High-throughput experimental technologies often identify dozens to hundreds of genes related to, or changed in, a biological or pathological process. From these genes one wants to identify biological pathways that may be involved and diseases that may be implicated. Here, we report a web server, KOBAS 2.0, which annotates an input set of genes with putative pathways and disease relationships based on mapping to genes with known annotations. It allows for both ID mapping and cross-species sequence similarity mapping. It then performs statistical tests to identify statistically significantly enriched pathways and diseases. KOBAS 2.0 incorporates knowledge across 1327 species from 5 pathway databases (KEGG PATHWAY, PID, BioCyc, Reactome and Panther) and 5 human disease databases (OMIM, KEGG DISEASE, FunDO, GAD and NHGRI GWAS Catalog). KOBAS 2.0 can be accessed at http://kobas.cbi.pku.edu.cn.
登录
查看更多内容
DOI：
10.1093/bioinformatics/btp193
发表时间：
2009-06-15
期刊：
Bioinformatics (Oxford, England)
影响因子：
--
作者：
Du P;Feng G;Flatow J;Song J;Holko M;Kibbe WA;Lin SM
通讯作者：
Lin SM
影响因子：
14.9
作者：
Chung HJ;Park CH;Han MR;Lee S;Ohn JH;Kim J;Kim J;Kim JH
通讯作者：
Kim JH
影响因子：
12.3
作者：
Gentleman RC;Carey VJ;Bates DM;Bolstad B;Dettling M;Dudoit S;Ellis B;Gautier L;Ge Y;Gentry J;Hornik K;Hothorn T;Huber W;Iacus S;Irizarry R;Leisch F;Li C;Maechler M;Rossini AJ;Sawitzki G;Smith C;Smyth G;Tierney L;Yang JY;Zhang J
通讯作者：
Zhang J
影响因子：
5.8
作者：
Al-Shahrour, F;Díaz-Uriarte, R;Dopazo, J
通讯作者：
Dopazo, J
影响因子：
14.9
作者：
Haider S;Ballester B;Smedley D;Zhang J;Rice P;Kasprzyk A
通讯作者：
Kasprzyk A