GIANT 2.0: genome-scale integrated analysis of gene networks in tissues.
GIANT 2.0: genome-scale integrated analysis of gene networks in tissues.
复制标题
DOI：
10.1093/nar/gky408
复制
发表时间：
2018-07-02
影响因子：
14.9
通讯作者：
Troyanskaya OG
中科院分区：
文献类型：
--
作者：
Wong AK;Krishnan A;Troyanskaya OG
GIANT2(基因组范围的组织内基因网络集成分析)是一个交互式网络服务器，使生物医学研究人员能够分析他们感兴趣的蛋白质和途径，并在人类组织基因组规模的功能图的背景下生成假说。基因的精确作用通常依赖于它们的组织环境，但在许多正常的人类组织和细胞类型中，直接分析组织特定的蛋白质功能和相互作用仍然是不可行的。有了GIANT2，研究人员可以探索预测的组织特定的基因功能角色，并揭示这些角色在组织中的变化，所有这些都是通过交互式多网络可视化和分析实现的。此外，通过服务器提供的Netwas方法使用GIANT2预测的特定组织/细胞类型网络，重新确定来自GWAS研究的统计关联的优先顺序，并识别与疾病相关的基因。GIANT2通过整合目前针对283个不同组织和细胞类型的61 400多个实验的不同功能基因组学数据来预测组织特异性相互作用。GIANT2不需要任何注册或安装，可在http://giant-v2.princeton.edu.上免费使用
GIANT2 (Genome-wide Integrated Analysis of gene Networks in Tissues) is an interactive web server that enables biomedical researchers to analyze their proteins and pathways of interest and generate hypotheses in the context of genome-scale functional maps of human tissues. The precise actions of genes are frequently dependent on their tissue context, yet direct assay of tissue-specific protein function and interactions remains infeasible in many normal human tissues and cell-types. With GIANT2, researchers can explore predicted tissue-specific functional roles of genes and reveal changes in those roles across tissues, all through interactive multi-network visualizations and analyses. Additionally, the NetWAS approach available through the server uses tissue-specific/cell-type networks predicted by GIANT2 to re-prioritize statistical associations from GWAS studies and identify disease-associated genes. GIANT2 predicts tissue-specific interactions by integrating diverse functional genomics data from now over 61 400 experiments for 283 diverse tissues and cell-types. GIANT2 does not require any registration or installation and is freely available for use at http://giant-v2.princeton.edu.
登录
查看更多内容
影响因子：
14.9
作者：
Wong AK;Krishnan A;Yao V;Tadych A;Troyanskaya OG
通讯作者：
Troyanskaya OG
影响因子：
14.9
作者：
Keshava Prasad TS;Goel R;Kandasamy K;Keerthikumar S;Kumar S;Mathivanan S;Telikicherla D;Raju R;Shafreen B;Venugopal A;Balakrishnan L;Marimuthu A;Banerjee S;Somanathan DS;Sebastian A;Rani S;Ray S;Harrys Kishore CJ;Kanth S;Ahmed M;Kashyap MK;Mohmood R;Ramachandra YL;Krishna V;Rahiman BA;Mohan S;Ranganathan P;Ramabadran S;Chaerkady R;Pandey A
通讯作者：
Pandey A
影响因子：
56.9
作者：
Bonifati, V;Rizzu, P;Heutink, P
通讯作者：
Heutink, P
影响因子：
14.9
作者：
Chatr-Aryamontri A;Oughtred R;Boucher L;Rust J;Chang C;Kolas NK;O'Donnell L;Oster S;Theesfeld C;Sellam A;Stark C;Breitkreutz BJ;Dolinski K;Tyers M
通讯作者：
Tyers M
影响因子：
4.8
作者：
Takahashi, K;Taira, T;Ariga, H
通讯作者：
Ariga, H