EnrichNet: network-based gene set enrichment analysis.
EnrichNet: network-based gene set enrichment analysis.
复制标题
DOI：
10.1093/bioinformatics/bts389
复制
发表时间：
2012-09-15
期刊：
影响因子：
--
通讯作者：
Valencia A
中科院分区：
文献类型：
--
作者：
Glaab E;Baudot A;Krasnogor N;Schneider R;Valencia A
动机：在大规模功能基因组学数据分析中，评估实验获得的感兴趣基因或蛋白质组与已知基因/蛋白质组数据库之间的功能关联是一项常见任务。为此，一种常用的方法是应用基于过度表示的富集分析。然而，这种方法有四个缺点：（i）它只能对重叠基因/蛋白质集合的功能关联进行评分;（ii）它忽略了缺失注释的基因;（iii）它没有考虑感兴趣的基因/蛋白质集合之间的物理相互作用的网络结构;以及（iv）组织特异性基因/蛋白质集合关联不能被识别。结果：为了解决这些局限性，我们引入了一种综合分析方法和网络应用程序，称为EnrichNet。它结合了一种新的基于图形的统计与交互式子网络可视化，以实现两个互补的目标：通过利用分子相互作用网络和组织特异性基因表达数据的信息，提高推定的功能基因/蛋白质集关联的优先级，并实现对结果的直接生物学解释。通过使用该方法分析已知参与人类疾病的基因组，确定了新的途径关联，反映了其相应蛋白质之间相互作用的密集子网络。可用性：EnrichNet可在http://www.enrichnet.org上免费获得。联系人：纳塔利奥. nottingham.ac.uk，reinhard. uni.lu或avalencia@cnio.es补充信息：补充数据可在生物信息学在线上获得。
Motivation: Assessing functional associations between an experimentally derived gene or protein set of interest and a database of known gene/protein sets is a common task in the analysis of large-scale functional genomics data. For this purpose, a frequently used approach is to apply an over-representation-based enrichment analysis. However, this approach has four drawbacks: (i) it can only score functional associations of overlapping gene/proteins sets; (ii) it disregards genes with missing annotations; (iii) it does not take into account the network structure of physical interactions between the gene/protein sets of interest and (iv) tissue-specific gene/protein set associations cannot be recognized. Results: To address these limitations, we introduce an integrative analysis approach and web-application called EnrichNet. It combines a novel graph-based statistic with an interactive sub-network visualization to accomplish two complementary goals: improving the prioritization of putative functional gene/protein set associations by exploiting information from molecular interaction networks and tissue-specific gene expression data and enabling a direct biological interpretation of the results. By using the approach to analyse sets of genes with known involvement in human diseases, new pathway associations are identified, reflecting a dense sub-network of interactions between their corresponding proteins. Availability: EnrichNet is freely available at http://www.enrichnet.org. Contact: Natalio.Krasnogor@nottingham.ac.uk, reinhard.schneider@uni.lu or avalencia@cnio.es Supplementary Information: Supplementary data are available at Bioinformatics Online.
登录
查看更多内容
宇宙（癌症中的体细胞突变目录）数据库和网站。
影响因子：
8.8
作者：
Bamford, S;Dawson, E;Forbes, S;Clements, J;Pettett, R;Dogan, A;Flanagan, A;Teague, J;Futreal, PA;Stratton, MR;Wooster, R
通讯作者：
Wooster, R
DOI：
10.1038/nrc1299
发表时间：
2004-03
期刊：
Nature reviews. Cancer
影响因子：
--
作者：
通讯作者：
--
影响因子：
3
作者：
Kim, SY;Volsky, DJ
通讯作者：
Volsky, DJ
影响因子：
4.7
作者：
Kang, WQ;Nielsen, O;Reid, KBM
通讯作者：
Reid, KBM
影响因子：
82.9
作者：
Beer, DG;Kardia, SLR;Hanash, S
通讯作者：
Hanash, S