DiNAR: revealing hidden patterns of plant signalling dynamics using Differential Network Analysis in R.
DiNAR: revealing hidden patterns of plant signalling dynamics using Differential Network Analysis in R.
复制标题
DOI：
10.1186/s13007-018-0345-0
复制
发表时间：
2018
期刊：
影响因子：
5.1
通讯作者：
Gruden K
中科院分区：
文献类型：
--
作者：
Zagorščak M;Blejec A;Ramšak Ž;Petek M;Stare T;Gruden K
高通量分子方法的进展伴随着更复杂的实验设计，需要新的数据可视化解决方案。为了具体地回答这个问题，具体的生物系统的哪些部分响应于特定的扰动，实验数据叠加在先验知识网络上的综合方法被证明是有利的。我们开发了第纳尔，R中的差分网络分析，这是一个用户友好的动态可视化应用程序，集成了多个条件的高通量数据和广泛的生物先验知识。实施差分网络方法和嵌入式网络分析允许用户在感兴趣的拓扑结构（例如免疫信号网络）的背景下分析特定条件的响应，并提取有关信号动态模式的知识（即在两个或更多个生物条件之间的网络结构中重新布线）。我们在拟南芥和马铃薯数据集上验证了软件的可用性，但它被设置为处理任何生物实例。第纳尔有助于检测网络重新连接事件，为未来的实验设计确定基因优先级，并允许捕获复杂生物系统的动态。完全跨平台的Shiny应用程序托管在https://nib-si.shinyapps.io/DiNAR上并免费提供。源代码的最新版本可在https://github.com/NIB-SI/DiNAR/上获得，并带有Zenodo中存档版本的DOI 10.5281/zenodo.1230523。本文的在线版本（10.1186/s13007-018-0345-0）包含补充材料，可供授权用户使用。
Progress in high-throughput molecular methods accompanied by more complex experimental designs demands novel data visualisation solutions. To specifically answer the question which parts of the specifical biological system are responding in particular perturbation, integrative approach in which experimental data are superimposed on a prior knowledge network is shown to be advantageous. We have developed DiNAR, Differential Network Analysis in R, a user-friendly application with dynamic visualisation that integrates multiple condition high-throughput data and extensive biological prior knowledge. Implemented differential network approach and embedded network analysis allow users to analyse condition-specific responses in the context of topology of interest (e.g. immune signalling network) and extract knowledge concerning patterns of signalling dynamics (i.e. rewiring in network structure between two or more biological conditions). We validated the usability of software on the Arabidopsis thaliana and Solanum tuberosum datasets, but it is set to handle any biological instances. DiNAR facilitates detection of network-rewiring events, gene prioritisation for future experimental design and allows capturing dynamics of complex biological system. The fully cross-platform Shiny App is hosted and freely available at https://nib-si.shinyapps.io/DiNAR. The most recent version of the source code is available at https://github.com/NIB-SI/DiNAR/ with a DOI 10.5281/zenodo.1230523 of the archived version in Zenodo. The online version of this article (10.1186/s13007-018-0345-0) contains supplementary material, which is available to authorized users.
登录
查看更多内容
影响因子：
4.3
作者：
Akhmedov M;Kedaigle A;Chong RE;Montemanni R;Bertoni F;Fraenkel E;Kwee I
通讯作者：
Kwee I
影响因子：
27.5
作者：
Choi, Daeseok;Choi, Jaemyung;Hwang, Daehee
通讯作者：
Hwang, Daehee
影响因子：
3
作者：
Van Landeghem S;Van Parys T;Dubois M;Inzé D;Van de Peer Y
通讯作者：
Van de Peer Y
影响因子：
14.9
作者：
Ramsak Ž;Baebler Š;Rotter A;Korbar M;Mozetic I;Usadel B;Gruden K
通讯作者：
Gruden K
影响因子：
3.7
作者：
Miljkovic D;Stare T;Mozetič I;Podpečan V;Petek M;Witek K;Dermastia M;Lavrač N;Gruden K
通讯作者：
Gruden K