SGI: automatic clinical subgroup identification in omics datasets.
SGI: automatic clinical subgroup identification in omics datasets.
复制标题
DOI：
10.1093/bioinformatics/btab656
复制
发表时间：
2022-01-03
期刊：
影响因子：
--
通讯作者：
Krumsiek J
中科院分区：
文献类型：
--
作者：
Buyukozkan M;Suhre K;Krumsiek J
“亚组识别”（SGI）工具箱提供了一种算法，用于自动检测大规模组学数据集中样本的临床亚组。它基于层次聚类树，结合专门设计的关联测试和可视化框架，可以系统地处理任意数量的临床参数和结果。多块扩展允许在相同样品上同时使用多个组学数据集。在本文中，我们首先描述了工具箱的功能，然后通过2型糖尿病代谢组学研究的应用示例以及癌症基因组图谱的两个拷贝数变异数据集来展示其功能。SGI是一个用R实现的开源软件包。包源代码和实践教程可在https://github.com/krumsieklab/sgi上获得。QMdiab代谢组学数据包含在软件包中，可从https://doi.org/10.6084/m9.figshare.5904022下载。 补充数据可在Bioinformatics在线获得。
The ‘Subgroup Identification’ (SGI) toolbox provides an algorithm to automatically detect clinical subgroups of samples in large-scale omics datasets. It is based on hierarchical clustering trees in combination with a specifically designed association testing and visualization framework that can process an arbitrary number of clinical parameters and outcomes in a systematic fashion. A multi-block extension allows for the simultaneous use of multiple omics datasets on the same samples. In this article, we first describe the functionality of the toolbox and then demonstrate its capabilities through application examples on a type 2 diabetes metabolomics study as well as two copy number variation datasets from The Cancer Genome Atlas. SGI is an open-source package implemented in R. Package source codes and hands-on tutorials are available at https://github.com/krumsieklab/sgi. The QMdiab metabolomics data is included in the package and can be downloaded from https://doi.org/10.6084/m9.figshare.5904022. Supplementary data are available at Bioinformatics online.
登录
查看更多内容
癌症基因组地图集中的致癌信号通路。
影响因子：
64.5
作者：
Sanchez-Vega F;Mina M;Armenia J;Chatila WK;Luna A;La KC;Dimitriadoy S;Liu DL;Kantheti HS;Saghafinia S;Chakravarty D;Daian F;Gao Q;Bailey MH;Liang WW;Foltz SM;Shmulevich I;Ding L;Heins Z;Ochoa A;Gross B;Gao J;Zhang H;Kundra R;Kandoth C;Bahceci I;Dervishi L;Dogrusoz U;Zhou W;Shen H;Laird PW;Way GP;Greene CS;Liang H;Xiao Y;Wang C;Iavarone A;Berger AH;Bivona TG;Lazar AJ;Hammer GD;Giordano T;Kwong LN;McArthur G;Huang C;Tward AD;Frederick MJ;McCormick F;Meyerson M;Cancer Genome Atlas Research Network;Van Allen EM;Cherniack AD;Ciriello G;Sander C;Schultz N
通讯作者：
Schultz N
影响因子：
64.8
作者：
通讯作者：
--
DOI：
10.1093/bioinformatics/btv244
发表时间：
2015-06-15
期刊：
Bioinformatics (Oxford, England)
影响因子：
--
作者：
Speicher NK;Pfeifer N
通讯作者：
Pfeifer N
影响因子：
5.8
作者：
Do, Kieu Trinh;Rasp, David J. N. -P.;Krumsiek, Jan
通讯作者：
Krumsiek, Jan
DOI：
10.4161/derm.26046
发表时间：
2013-04-01
期刊：
Dermato-endocrinology
影响因子：
--
作者：
Mook-Kanamori MJ;Selim MM;Takiddin AH;Al-Homsi H;Al-Mahmoud KA;Al-Obaidli A;Zirie MA;Rowe J;Gherbi WS;Chidiac OM;Kader SA;Al Muftah WA;McKeon C;Suhre K;Mook-Kanamori DO
通讯作者：
Mook-Kanamori DO