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!

On the limits of active module identification

计算机科学 鉴定(生物学) 生物网络 利用 背景(考古学) 节点(物理) 仿形(计算机编程) 数据挖掘 计算生物学 人工智能 机器学习 生物 结构工程 操作系统 工程类 古生物学 植物 计算机安全
作者
Olga Lazareva,Jan Baumbach,Markus List,David B. Blumenthal
出处
期刊:Briefings in Bioinformatics [Oxford University Press]
卷期号:22 (5) 被引量:37
标识
DOI:10.1093/bib/bbab066
摘要

Abstract In network and systems medicine, active module identification methods (AMIMs) are widely used for discovering candidate molecular disease mechanisms. To this end, AMIMs combine network analysis algorithms with molecular profiling data, most commonly, by projecting gene expression data onto generic protein–protein interaction (PPI) networks. Although active module identification has led to various novel insights into complex diseases, there is increasing awareness in the field that the combination of gene expression data and PPI network is problematic because up-to-date PPI networks have a very small diameter and are subject to both technical and literature bias. In this paper, we report the results of an extensive study where we analyzed for the first time whether widely used AMIMs really benefit from using PPI networks. Our results clearly show that, except for the recently proposed AMIM DOMINO, the tested AMIMs do not produce biologically more meaningful candidate disease modules on widely used PPI networks than on random networks with the same node degrees. AMIMs hence mainly learn from the node degrees and mostly fail to exploit the biological knowledge encoded in the edges of the PPI networks. This has far-reaching consequences for the field of active module identification. In particular, we suggest that novel algorithms are needed which overcome the degree bias of most existing AMIMs and/or work with customized, context-specific networks instead of generic PPI networks.

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
2秒前
科研通AI2S应助jyy采纳,获得10
2秒前
waterloooo发布了新的文献求助10
10秒前
NexusExplorer应助YY采纳,获得10
20秒前
科研通AI2S应助waterloooo采纳,获得10
22秒前
小蘑菇应助waterloooo采纳,获得10
22秒前
waterloooo完成签到,获得积分10
40秒前
哆啦B梦完成签到,获得积分10
47秒前
科研通AI2S应助jyy采纳,获得10
48秒前
48秒前
1分钟前
采薇发布了新的文献求助10
1分钟前
霖霖完成签到 ,获得积分10
1分钟前
科研通AI2S应助jyy采纳,获得10
2分钟前
kuoping完成签到,获得积分10
2分钟前
吴昊东完成签到,获得积分10
2分钟前
yaya完成签到 ,获得积分10
3分钟前
你要听话发布了新的文献求助30
3分钟前
SciGPT应助丁元英采纳,获得10
3分钟前
4分钟前
4分钟前
丁元英发布了新的文献求助10
4分钟前
玛琳卡迪马完成签到,获得积分10
5分钟前
5分钟前
采薇发布了新的文献求助10
5分钟前
Kashing完成签到,获得积分10
5分钟前
Shandongdaxiu完成签到 ,获得积分10
6分钟前
华仔应助丁元英采纳,获得10
9分钟前
额狐狸完成签到,获得积分10
9分钟前
19900420完成签到 ,获得积分10
9分钟前
9分钟前
9分钟前
丁元英发布了新的文献求助10
9分钟前
采薇发布了新的文献求助10
10分钟前
10分钟前
姚俊88888888完成签到 ,获得积分10
10分钟前
liuminghui发布了新的文献求助10
10分钟前
liuminghui完成签到 ,获得积分20
10分钟前
11分钟前
11分钟前
高分求助中
The late Devonian Standard Conodont Zonation 2000
The Lali Section: An Excellent Reference Section for Upper - Devonian in South China 1500
Nickel superalloy market size, share, growth, trends, and forecast 2023-2030 1000
Smart but Scattered: The Revolutionary Executive Skills Approach to Helping Kids Reach Their Potential (第二版) 1000
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger 800
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 800
A new species of Coccus (Homoptera: Coccoidea) from Malawi 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 3244737
求助须知:如何正确求助?哪些是违规求助? 2888410
关于积分的说明 8252844
捐赠科研通 2556864
什么是DOI,文献DOI怎么找? 1385423
科研通“疑难数据库(出版商)”最低求助积分说明 650157
邀请新用户注册赠送积分活动 626269