Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

Bipartite Graphs for Visualization Analysis of Microbiome Data

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00027162%3A_____%2F16%3AN0000130" target="_blank" >RIV/00027162:_____/16:N0000130 - isvavai.cz</a>

  • Nalezeny alternativní kódy

    RIV/00216224:14310/16:00093546 RIV/00216305:26220/16:PU119240

  • Výsledek na webu

    <a href="https://www.ncbi.nlm.nih.gov/pmc/articles/PMC4888752/" target="_blank" >https://www.ncbi.nlm.nih.gov/pmc/articles/PMC4888752/</a>

  • DOI - Digital Object Identifier

    <a href="http://dx.doi.org/10.4137/EBO.S38546" target="_blank" >10.4137/EBO.S38546</a>

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Bipartite Graphs for Visualization Analysis of Microbiome Data

  • Popis výsledku v původním jazyce

    Visualization analysis plays an important role in metagenomics research. Proper and clear visualization can help researchers get their first insights into data and by selecting different features, also revealing and highlighting hidden relationships and drawing conclusions. To prevent the resulting presentations from becoming chaotic, visualization techniques have to properly tackle the high dimensionality of microbiome data. Although a number of different methods based on dimensionality reduction, correlations, Venn diagrams, and network representations have already been published, there is still room for further improvement, especially in the techniques that allow visual comparison of several environments or developmental stages in one environment. In this article, we represent microbiome data by bipartite graphs, where one partition stands for taxa and the other stands for samples. We demonstrated that community detection is independent of taxonomical level. Moreover, focusing on higher taxonomical levels and the appropriate merging of samples greatly helps improving graph organization and makes our presentations clearer than other graph and network visualizations. Capturing labels in the vertices also brings the possibility of clearly comparing two or more microbial communities by showing their common and unique parts.

  • Název v anglickém jazyce

    Bipartite Graphs for Visualization Analysis of Microbiome Data

  • Popis výsledku anglicky

    Visualization analysis plays an important role in metagenomics research. Proper and clear visualization can help researchers get their first insights into data and by selecting different features, also revealing and highlighting hidden relationships and drawing conclusions. To prevent the resulting presentations from becoming chaotic, visualization techniques have to properly tackle the high dimensionality of microbiome data. Although a number of different methods based on dimensionality reduction, correlations, Venn diagrams, and network representations have already been published, there is still room for further improvement, especially in the techniques that allow visual comparison of several environments or developmental stages in one environment. In this article, we represent microbiome data by bipartite graphs, where one partition stands for taxa and the other stands for samples. We demonstrated that community detection is independent of taxonomical level. Moreover, focusing on higher taxonomical levels and the appropriate merging of samples greatly helps improving graph organization and makes our presentations clearer than other graph and network visualizations. Capturing labels in the vertices also brings the possibility of clearly comparing two or more microbial communities by showing their common and unique parts.

Klasifikace

  • Druh

    J<sub>x</sub> - Nezařazeno - Článek v odborném periodiku (Jimp, Jsc a Jost)

  • CEP obor

    GJ - Choroby a škůdci zvířat, veterinární medicina

  • OECD FORD obor

Návaznosti výsledku

  • Projekt

  • Návaznosti

    V - Vyzkumna aktivita podporovana z jinych verejnych zdroju

Ostatní

  • Rok uplatnění

    2016

  • Kód důvěrnosti údajů

    S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Údaje specifické pro druh výsledku

  • Název periodika

    Evolutionary Bioinformatics

  • ISSN

    1176-9343

  • e-ISSN

  • Svazek periodika

    2016

  • Číslo periodika v rámci svazku

    12 (Suppl 1)

  • Stát vydavatele periodika

    NZ - Nový Zéland

  • Počet stran výsledku

    7

  • Strana od-do

    17-23

  • Kód UT WoS článku

    000382989300003

  • EID výsledku v databázi Scopus