IntOMICS: A Bayesian Framework for Reconstructing Regulatory Networks Using Multi-Omics Data

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216224%3A14310%2F23%3A00131143" target="_blank" >RIV/00216224:14310/23:00131143 - isvavai.cz</a>

Výsledek na webu

<a href="https://www.liebertpub.com/doi/10.1089/cmb.2022.0149" target="_blank" >https://www.liebertpub.com/doi/10.1089/cmb.2022.0149</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1089/cmb.2022.0149" target="_blank" >10.1089/cmb.2022.0149</a>

Jazyk výsledku

angličtina

Název v původním jazyce

IntOMICS: A Bayesian Framework for Reconstructing Regulatory Networks Using Multi-Omics Data

Popis výsledku v původním jazyce

Integration of multi-omics data can provide a more complex view of the biological system consisting of different interconnected molecular components. We present a new comprehensive R/Bioconductor-package, IntOMICS, which implements a Bayesian framework for multi-omics data integration. IntOMICS adopts a Markov Chain Monte Carlo sampling scheme to systematically analyze gene expression, copy number variation, DNA methylation, and biological prior knowledge to infer regulatory networks. The unique feature of IntOMICS is an empirical biological knowledge estimation from the available experimental data, which complements the missing biological prior knowledge. IntOMICS has the potential to be a powerful resource for exploratory systems biology.

Název v anglickém jazyce

IntOMICS: A Bayesian Framework for Reconstructing Regulatory Networks Using Multi-Omics Data

Popis výsledku anglicky

Integration of multi-omics data can provide a more complex view of the biological system consisting of different interconnected molecular components. We present a new comprehensive R/Bioconductor-package, IntOMICS, which implements a Bayesian framework for multi-omics data integration. IntOMICS adopts a Markov Chain Monte Carlo sampling scheme to systematically analyze gene expression, copy number variation, DNA methylation, and biological prior knowledge to infer regulatory networks. The unique feature of IntOMICS is an empirical biological knowledge estimation from the available experimental data, which complements the missing biological prior knowledge. IntOMICS has the potential to be a powerful resource for exploratory systems biology.

Druh

J_imp - Článek v periodiku v databázi Web of Science

CEP obor

—

OECD FORD obor

10103 - Statistics and probability

Projekt

Výsledek vznikl pri realizaci vícero projektů. Více informací v záložce Projekty.

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)<br>S - Specificky vyzkum na vysokych skolach<br>I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace

Rok uplatnění

2023

Kód důvěrnosti údajů

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

Název periodika

Journal of Computational Biology

ISSN

1066-5277

e-ISSN

1557-8666

Svazek periodika

30

Číslo periodika v rámci svazku

5

Stát vydavatele periodika

US - Spojené státy americké

Počet stran výsledku

6

Strana od-do

569-574

Kód UT WoS článku

000955812400001

EID výsledku v databázi Scopus

2-s2.0-85159543683