Finding semantic patterns in omics data using concept rule learning with an ontology-based refinement operator

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68378050%3A_____%2F20%3A00539595" target="_blank" >RIV/68378050:_____/20:00539595 - isvavai.cz</a>

Nalezeny alternativní kódy

RIV/68407700:21230/20:00342306

Výsledek na webu

<a href="https://biodatamining.biomedcentral.com/articles/10.1186/s13040-020-00219-6" target="_blank" >https://biodatamining.biomedcentral.com/articles/10.1186/s13040-020-00219-6</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1186/s13040-020-00219-6" target="_blank" >10.1186/s13040-020-00219-6</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Finding semantic patterns in omics data using concept rule learning with an ontology-based refinement operator

Popis výsledku v původním jazyce

Background: Identification of non-trivial and meaningful patterns in omics data is one of the most important biological tasks. The patterns help to better understand biological systems and interpret experimental outcomes. A well-established method serving to explain such biological data is Gene Set Enrichment Analysis. However, this type of analysis is restricted to a specific type of evaluation. ing from details, the analyst provides a sorted list of genes and ontological annotations of the individual genes, the method outputs a subset of ontological terms enriched in the gene list. Here, in contrary to enrichment analysis, we introduce a new tool/framework that allows for the induction of more complex patterns of 2-dimensional binary omics data. This extension allows to discover and describe semantically coherent biclusters.

Název v anglickém jazyce

Finding semantic patterns in omics data using concept rule learning with an ontology-based refinement operator

Popis výsledku anglicky

Background: Identification of non-trivial and meaningful patterns in omics data is one of the most important biological tasks. The patterns help to better understand biological systems and interpret experimental outcomes. A well-established method serving to explain such biological data is Gene Set Enrichment Analysis. However, this type of analysis is restricted to a specific type of evaluation. ing from details, the analyst provides a sorted list of genes and ontological annotations of the individual genes, the method outputs a subset of ontological terms enriched in the gene list. Here, in contrary to enrichment analysis, we introduce a new tool/framework that allows for the induction of more complex patterns of 2-dimensional binary omics data. This extension allows to discover and describe semantically coherent biclusters.

Druh

J_imp - Článek v periodiku v databázi Web of Science

CEP obor

—

OECD FORD obor

10608 - Biochemistry and molecular biology

Projekt

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

Návaznosti

I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace

Rok uplatnění

2020

Kód důvěrnosti údajů

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

Název periodika

BioData Mining

ISSN

1756-0381

e-ISSN

—

Svazek periodika

13

Číslo periodika v rámci svazku

1

Stát vydavatele periodika

GB - Spojené království Velké Británie a Severního Irska

Počet stran výsledku

22

Strana od-do

13

Kód UT WoS článku

000566165300001

EID výsledku v databázi Scopus

—