亲爱的研友该休息了!由于当前在线用户较少,发布求助请尽量完整的填写文献信息,科研通机器人24小时在线,伴您度过漫漫科研夜!身体可是革命的本钱,早点休息,好梦!

Uncovering the Pre-Deterioration State during Disease Progression Based on Sample-Specific Causality Network Entropy (SCNE)

因果关系(物理学) 计算机科学 疾病 格兰杰因果关系 熵(时间箭头) 复杂网络 样品(材料) 数据挖掘 计量经济学 计算生物学 人工智能 机器学习 医学 生物 数学 病理 化学 物理 量子力学 色谱法 万维网
作者
Jiayuan Zhong,Hui Tang,Ziyi Huang,Hua Chai,Fei Ling,Pei Chen,Rui Liu
出处
期刊:Research [AAAS00]
卷期号:7 被引量:3
标识
DOI:10.34133/research.0368
摘要

Complex diseases do not always follow gradual progressions. Instead, they may experience sudden shifts known as critical states or tipping points, where a marked qualitative change occurs. Detecting such a pivotal transition or pre-deterioration state holds paramount importance due to its association with severe disease deterioration. Nevertheless, the task of pinpointing the pre-deterioration state for complex diseases remains an obstacle, especially in scenarios involving high-dimensional data with limited samples, where conventional statistical methods frequently prove inadequate. In this study, we introduce an innovative quantitative approach termed sample-specific causality network entropy (SCNE), which infers a sample-specific causality network for each individual and effectively quantifies the dynamic alterations in causal relations among molecules, thereby capturing critical points or pre-deterioration states of complex diseases. We substantiated the accuracy and efficacy of our approach via numerical simulations and by examining various real-world datasets, including single-cell data of epithelial cell deterioration (EPCD) in colorectal cancer, influenza infection data, and three different tumor cases from The Cancer Genome Atlas (TCGA) repositories. Compared to other existing six single-sample methods, our proposed approach exhibits superior performance in identifying critical signals or pre-deterioration states. Additionally, the efficacy of computational findings is underscored by analyzing the functionality of signaling biomarkers.

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
6秒前
俊逸尔风完成签到 ,获得积分10
6秒前
缓慢的凝云完成签到,获得积分10
6秒前
研友_8y2o0L发布了新的文献求助10
11秒前
机智的小羊尾完成签到 ,获得积分10
11秒前
研友_8y2o0L完成签到,获得积分10
16秒前
Owen应助伴霞采纳,获得10
17秒前
科目三应助科研通管家采纳,获得10
20秒前
20秒前
桐桐应助研友_LMBPXn采纳,获得30
21秒前
gy完成签到,获得积分10
22秒前
22秒前
九日橙完成签到 ,获得积分10
33秒前
勤奋的灯完成签到 ,获得积分10
35秒前
清风浮云完成签到,获得积分10
37秒前
41秒前
无畏完成签到 ,获得积分10
43秒前
47秒前
科研土人发布了新的文献求助10
49秒前
若尘完成签到 ,获得积分10
52秒前
DarrenVan发布了新的文献求助10
54秒前
54秒前
西瓜皮发布了新的文献求助10
1分钟前
柳行天完成签到 ,获得积分10
1分钟前
DarrenVan完成签到,获得积分10
1分钟前
kd1412完成签到 ,获得积分10
1分钟前
1分钟前
jun完成签到 ,获得积分10
1分钟前
1分钟前
天天快乐应助坚强半邪采纳,获得10
1分钟前
stokis03完成签到 ,获得积分0
1分钟前
1分钟前
chen完成签到 ,获得积分10
1分钟前
一啊鸭发布了新的文献求助10
1分钟前
研友_LMBPXn发布了新的文献求助30
1分钟前
jasonjiang完成签到 ,获得积分10
1分钟前
nansu发布了新的文献求助10
1分钟前
乐乐应助qql采纳,获得10
1分钟前
1分钟前
1分钟前
高分求助中
Kinetics of the Esterification Between 2-[(4-hydroxybutoxy)carbonyl] Benzoic Acid with 1,4-Butanediol: Tetrabutyl Orthotitanate as Catalyst 1000
The Young builders of New china : the visit of the delegation of the WFDY to the Chinese People's Republic 1000
Rechtsphilosophie 1000
Handbook of Qualitative Cross-Cultural Research Methods 600
Chen Hansheng: China’s Last Romantic Revolutionary 500
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger 500
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3139484
求助须知:如何正确求助?哪些是违规求助? 2790346
关于积分的说明 7795065
捐赠科研通 2446818
什么是DOI,文献DOI怎么找? 1301438
科研通“疑难数据库(出版商)”最低求助积分说明 626219
版权声明 601146